8.直线相关.pptVIP

第一节 直线相关 第二节 直线回归 1.变量间的关系（函数关系） 1)是一一对应的确定关系； 2)设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量， y 称为因变量； 3)各实测点落在一条线上。 1.变量间的关系（函数关系） 1.变量间的关系（相关关系） 1)变量间关系不能用函数关系精确表达； 2)一个变量的取值不能由另一个变量唯一确定； 3)当变量 x 取某个值时，变量 y 的取值可能有几个； 4)各观测点分布在直线周围 相关关系的图示 1.变量间的关系（相关关系） 2.相关关系的类型 二.相关系数的意义及其计算 1.相关关系的测度（相关系数） 1)对变量之间关系密切程度的度量； 2)对两个变量之间线性相关程度的度量称为简单相关系数； 3)若相关系数是根据总体全部数据计算的，称为总体相关系数，记为?； 4)若是根据样本数据计算的，则称为样本相关系数，记为 r； 1.相关关系的测度（相关系数计算） 样本相关系数的计算公式: 1.相关关系的测度（相关系数意义及其取值） 1. r 表示两个变量之间直线关系的密切程度和相关方向的统计指标。 2. r 的取值范围是 [-1,1]； 3. |r|=1，为完全相关 r =1，为完全正相关 r =－1 为完全负正相关 ４. r = 0 不存在线性相关关系 ５. -1 ＜ r ＜ 0 为负相关 ６. 0 ＜ r ＜ 1 为正相关 1.相关关系的测度（相关系数意义及其取值） 7. |r|越趋于1表示关系越密切； |r|越趋于0表示关系越不密切 习惯上，相关系数的绝对值|r|在： 0.3以下，称为微弱线性相关； 0.3～0.5，称为低度线性相关； 0.5～0.8，称为显著线性相关； 0.8以上，称为高度线性相关。 1.相关关系的测度（相关系数取值及其意义） 2.相关系数计算实例 解：根据相关关系的测度 （相关系数计算） ppt.22 10名健康女中学生体重与肺活量之间的相关系 数为 相关系数的假设检验（概念要点） 1)目的：检验两个变量之间是否存在线性相关关系 （即检验r是否来自总体相关系数? = 0 的总体）； 2)等价于对回归系数b的检验； 3)有t 检验法和查表法； 4)检验的步骤为： 提出假设：H0：? ? ? ；H1： ? ? 0 １）若|r|≥表上的?＝0.05相应的值、＜表上?＝0.01相应的值，称变量x与y之间有显著的线性关系； ２）若|r|表上?＝0.01相应的值，称变量x与y之间有非常显著的线性关系； ３）若|r|＜表上?＝0.05相应的值，称变量x与y之间没有明显的线性关系； ４）根据前例的r =0.6945 ?＝0.05(n-2)=0.632, 5.不能只根据相关系数绝对值的大小来判断两变量的相关的密切程度，正确推断有无相关必须经过假设检验(即r要进行假设检验)。 例如有两个样本相关系数： r1=0.601, υ1=6; r2=0.401, υ2=40. 不能根据r1 r2，就判断r1比r2相关更密切。因为查表，若按同一检验水准0.05，则前者认为无相关而后者有相关。 6.小样本资料进行 t 检验结果，只能推断两变量间有无线性关系，要推断其相关的密切程度，样本含量必须足够大； 直线相关练习题:　 随机抽取15名健康成人，测定血液的凝血酶浓度（单位/毫升）及凝固时间（秒），数据如下表所示。据此资料如何判断这两项指标间有否相关？ 15名健康成人凝血时间与凝血酶浓度测量值记录 第一节.直线相关 三.相关系数的假设检验 ２.相关系数检验表的使用 P 0.05 结论：可认为该地女中学生的体重与肺活量 有正相关关系。 四.直线相关分析中应注意的问题 第一节.直线相关 四.直线相关分析中应注意的问题 1. 在进行相关分析之前，一定要根据专业知识来判断两个变量之间是否存在联系以及是否有实际意义； 2. 相关可以是因果关系，也可以是伴随关系； 3. 对资料的要求： ?、y 都是正态分布资料的 随机变量； 4. 进行相关分析之前，首先绘制散点图，在两变量间有线性趋势时，方可进行直线相关分析； 直线相关分析中应注意的问题 直线相关分析中应注意的问题 P＜0.05 P0.05 直线相关分析中应注意的问题 17 15 14 16 15 16 14 17 16 14 13 15