線性相关与回归分析.docVIP

第十章 相关与回归分析 第一节 简单线性相关分析 一、简单线性相关（直线相关）的概念： 二、相关关系的种类： （一）按相关程度划分可分为完全相关、不完全相关、和不相关 （二）按相关方向划分可分为正相关和负相关 （三）按相关的形式划分可分为线形相关和非线形相关 （四）按变量多少划分可分为单相关、复相关和偏相关 三、相关分析 相关分析一般可以借助相关系数与相关图来进行相关分析。 （一）相关系数 1．简单相关系数的含义 反映两个变量之间线性相关密切程度和相关方向的统计测定,它是其他相关系数形成的基础。 2．简单相关系数的计算 （6.17） 或化简为: （6.18） 3．相关系数的性质 （1）相关系数的取值范围在-1和+1之间，即：–1≤r≤ 1。 （2）计算结果，若r为正，则表明两变量为正相关；若r为负，则表明两变量为负相关。 （3）相关系数r的数值越接近于1（–1或+1），表示相关系数越强；越接近于0，表示相关系数越弱。如果r=1或–1，则表示两个现象完全直线性相关。如果r=0，则表示两个现象完全不相关（不是直线相关）。 （4）判断两变量线性相关密切程度的具体标准为： ，称为微弱相关；，称为低度相关；，称为显著相关；称为高度相关。 （二）相关图 相关图又称散点图。它是以直角坐标系的横轴代表标量X，纵轴代表标量Y，将两个变量间相对应的变量值用坐标点的形式描绘出来，用来反映两变量之间相关关系的图形。 四.相关系数的假设检验 1．目的：相关系数检验的目的是判断两变量的总体是否有相关关系。检验样本相关系数r是否总体相关系数为0的总体，如概率p＜0.05，认为两变量存在相关关系。 2．方法：有t检验和查表法。 (1) t检验法: 统计量计算为： ； v = n-2 (2)查表法:是直接查相关系数界值表得到相应的概率p。统计量r绝对值越大，p越小。 第二节 简单线性回归分析 一、回归分析的概念与种类 二、一元线性回归 1.一元线性回归模型 2.一元线性回归方程 3．回归模型的前提条件 1）线性：是指反应变量Y的总体平均值与自变量X呈线性关系； 2）独立性：任意两个观察值之间相互独立； 3）正态性：是指对于给定的X值，其对应的Y值的总体和线性模型的误差项ε均服从正态分布；（ε均服从均数为0的正态分布） 4）等方差性：无论X如何取值，Y都有相同的方差。 4.回归方程的检验 回归方程的显著性检验 检验自变量和因变量之间的线性关系是否显著。具体方法是将回归离差平方和(SSR)同剩余离差平方和(SSE)加以比较，应用F检验来分析二者之间的差别是否显著，如果是显著的，两个变量之间存在线性关系；如果不显著，两个变量之间不存在线性关系。 ·SS总=SS回+SS剩 SS回为回归平方和，它反映在Y的总变异中，由于X与Y的直线关系，而使得Y变异减小的部分，也即在总平方和中可以用X解释的部分。SS回越大，说明回归效果越好。 SS剩为剩余平方和，它反映X对Y的线性影响之外的因素，对Y的总变异的影响，也即在总平方和中无法用X解释的部分。SS剩越小，说明直线回归的估计误差越小。 回归系数的显著性检验 ·对于一元线性回归，回归方程的显著性检验与回归系数的显著性检验是等价的。可通过方差分析或t检验进行。 三、相关与回归分析应用注意事项 2．直线相关与回归的区别与联系 （1）区别 ：① 相关分析要求两个变量均服从正态分布,而回归分析则有两种不同的模型。Ⅰ型回归:定x后对y进行测量,y须服从正态分布;Ⅱ型回归:x,y均须服从正态分布,如体重依身高的变动关系。 ② 对于同一资料,只能计算一个相关系数,而Ⅱ型回归可以计算由x推y和由y推x的两个回归方程,但两者不是反函数的关系。③ 回归反映两变量间的依存关系,相关反映两变量间的相互关系。有相关联系不一定是因果联系。（2）联系： ① 同一资料r与b符号相同。② 同一资料r与b的假设检验结果是等价的。 ③ r与b可以互相换算。 ④ 相关是相互关系,双方向,-1≤r≤+1,无单位,有相关不一定有回归；回归是依存关系,单方向, 无限, 有单位,有回归一定有相关。 　　 第三节 秩相关 秩相关又称等级相关，是一种用等级数据进行直线相关分析的非参数统计方法，适用于双变量不服从正态分布的资料；总体分布型未知；等级资料或无确切数值资料。 秩相关用等级相关系数rs表示密切程度及方向。其取值范围为-1≤r≤+1；r＞0为正相关，r＜0为负相关；r=0,表示无线性相关关系，为零相关。 rs = 1-