相关分析概述.ppt

第8章 相关分析 8—1 相关分析的概述 相关分析的的意义 相关关系的种类 相关分析的概念和内容 相关分析的的意义 相关关系的种类 单相关和复相关 正相关和负相关 直线相关和曲线相关 完全相关、完全不相关和不完全相关 相关分析的概念和内容 相关分析就是对变量之间有无相关关系，相关关系的表现形式、变动的方向以及相关的密切程度进行的判断和分析。 在相关分析时，如果现象之间存在因果关系，我们常常把起决定作用的现象的量称为自变量，把受自变量影响随自变量变动而变化的现象的量称为因变量。如果现象之间互为因果关系或因果关系不明显，则根据研究目的来确定自变量和因变量。 8—2 一元线性相关分析 相关表 相关图 相关系数 一元线性回归分析内容 相关表 相关表是一种显示变量之间相关关系的统计表。 通常将两个变量的对应值平行排列，且其中某一变量按其取值大小顺序排列，便可得到相关表。 如下表 某商店10名售货员的工龄和日工资的相关系表 相关图 相关图又称散点图，是将两个变量的对应值，在平面直角坐标系中用坐标点的形式描绘而成的图形。 相关系数 相关系数是用来说明变量之间直线相关关系密切程度和方向的统计指标，通常用r表示。 其计算公式如下： 实际中一般采用下列简捷法公式计算 相关关系密切程度的评价标准 相关系数的取值范围是：-1≤r≤+1 ；正的表示正相关;负的表示负相关； 当 时，表示变量x与y 为完全的线性相关，也即为确定的函数关系。 当 时，表示两变量不存在线性相关关系，但不排除x，y间有可能存在非线性相关关系。 当 时，表示两变量存在不同程度的线性相关。 通常认为: r =0 完全不相关； 0 ≤ r ≤0.3 微弱相关； 0.3 ≤ r ≤0.5 低度相关； 0 .5≤ r ≤0.8 显著相关； 0.8 ≤ r ≤1 高度相关； r =1 完全相关。 由以上分析可见，相关系数的正负号表示直线相关的方向，其绝对数值的大小表示相关关系密切程度的强弱。 计算相关系数的实例 【例】某地区历年人均收入与商品销售额资料如下： 要求计算人均收入与商品销售额的相关系数，说明其相关方向和程度。 解：将计算表中的数值代入效率公式得： 计算结果表明，人均收入与商品销售额之间存在高度的直线正相关关系。 一元线性回归分析内容 回归分析的概念和特点 回归方程的建立 回归误差 回归分析的概念和特点 回归分析是对具有相关关系的两个或多个变量之间的数量变化的一般关系确定一个合适的数学表达式，以便进行估计和预测的统计方法。 一元线性回归分析的特点 必须确定 自变量（x）和 因变量（y）。 y依x 和x依y的两个回归方程相互独立的，不能互换。 给出自变量的数值来估计因变量的数值。 计算相关系数时，要求相关的两个变量都是随机的变量；但是，确定回归方程时，尽管两个变量也都是随机变量，但要求自变量是给定的，因变量是随机的。 回归方程 一元线性回归方程是用于分析两个变量（一个自变量与一个因变量）线性关系的数学表达式，一元线性回归方程的一般形式为： 式中， x是自变量的实际观测值。yc是因变量的估计值（又称理论值），是当自变量给定一个值时，对应的因变量的许多可能值的平均值。a和b为回归方程参数，其中b也叫回归系数。其几何意义是：a是直线方程的截距，b是斜率。其经济意义是：a是当x为零时y的起点值，b是当x每增加一个单位时，y平均增加（或减少）的数量， 它的符号同相关系数r的符号是一致的。 回归方程 一元线性回归方程式的确定，实际上是根据抽样取得的若干对x和y的观测值，对方程中两个未知参数a和b的确定。根据最小平方法可的求解a、b两个参数的标准方程式为： 【例】根据前面计算相关系数的资料，建立人均收入与商品销售额的直线回归方程。 解：将前面计算表中的有关数据代入求参数a、b的标准方程，得： 所以，人均收入与商品销售额的直线回归方程为： 一元线性回归方程的估计标准误差是用来说明回归方程代表性大小的统计分析指标，是