统计建模-回归分析课件.pptVIP

统计建模 ─回归分析 相关分析 对于现实世界，不仅要知其然，而且要知其所以然。顾客对商品和服务的反映对于企业是至关重要的， 但是仅仅有满意顾客的比例是不够的；商家希望了解什么是影响顾客观点的因素，及这些因素如何起作用。 类似地，医疗卫生部门不能仅仅知道某流行病的发病率，而且想知道什么变量影响发病率，以及如何影响。 相关分析 发现变量之间的统计关系，并且用此规律来帮助我们进行决策才是统计实践的最终目的。 一般来说，统计可以根据目前所拥有的信息（数据）来建立人们所关心的变量和其他有关变量的关系。这种关系一般称为模型（model）。 如果两个定量变量没有关系，就谈不上建立模型或进行回归。但怎样才能发现两个变量有没有关系呢？ 最简单的直观办法就是画出它们的散点图。下面是四组数据的散点图；每一组数据表示了两个变量x和y的样本。 相关性的度量 Pearson相关系数（Pearson’s correlation coefficient）又叫相关系数或线性相关系数 Kendall t 相关系数（Kendall’s t） Spearman 秩相关系数（Spearman rank correlation coefficient 或Spearman’s r） 相关系数也是取值在-1和1之间 当两个变量有很强的线性相关时，相关系数接近于1（正相关）或-1（负相关） 当两个变量不那么线性相关时，相关