第7章相关与回归分析高等教育出版社课件.ppt

第7章 相关与回归分析 7.1 相关分析 7.2 一元线性回归分析 7.3 线性回归的显著性检验与回归预测 7.4 多元线性回归分析（自修） 学习目标 1. 变量间的相关关系与相关系数的计算 2. 总体回归函数与样本回归函数 3. 线性回归的基本假定 4. 简单线性回归参数的估计与检验 7.1 相关分析 （二）相关关系的描述 相关表： 是直接根据现象之间的原始数据，将一个变量的的若干变量值按照从小到大的顺序排列，并将另一个变量的的数值与之对应排列形成的统计表。例：教材第217页表7-1所示。 相关图：又称散点图，它是利用直角坐标系的x轴代表一个变量，y轴代表另一个变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用以表明相关点分布状况的图形。例：教材第217页图7.3所示。 二、相关系数的计算—积差法 （一）简单线性相关系数 1.总体相关系数 对于所研究的总体，表示两个相互联系的变量之间的相关程度。总体相关系数为： 总体相关系数反映总体两个变量X和Y的线性相关程度。 特点：对于特定的总体来说，X和Y的数值是既定的， 总体相关系数是客观存在的特定数值。 相关系数密切程度的判断 一般情况下，用相关系数判断相关关系密切程度的标准如下： 当r=0时，X和Y不相关。或者不存在直线相关，但可能存在其他类型的关系。 当 时，X和Y为微弱相关。 当 时，X和Y为低度相关。 当 时，X和Y为中度相关。 当 时，X和Y为高度相关。 当 时，X和Y完全相关，即所有散点完全在一条直线上，也就是函数关系。 案例：某地区国民可支配收入与居民储蓄存款资料计算相关系数如下： 相关系数资料及计算 相关系数的特点： 相关系数的取值在-1与1之间。 当r=0时，表明X与Y没有线性相关关系。 当 时，表明X与Y存在一定的线性相关关系: 若 表明X与Y 为正相关; 若 表明X与Y 为负相关。 当 时，表明X与Y完全线性相关: 若r=1，称X与Y完全正相关； 若r=-1，称X与Y完全负相关。 使用相关系数的注意事项： ▲ X和Y 都是相互对称的随机变量，所以 ▲相关系数只反映变量间的线性相关程度，不 能说明非线性相关关系。 ▲相关系数不能确定变量的因果关系，也不能 说明相关关系具体接近于哪条直线。 （二） 相关系数的检验— 是否等于零的统计检验 为什么要检验？样本相关系数是随抽样而变动的随机变量,相关系数的统计显著性还有待检验。 检验的依据：如果X和Y都服从正态分布，在总体相关系数 的假设下，即原假设 ： （总体两变量之间线性相关性不显著），被择假设 ： （总体两变量之间线性相关性显著）。 进一步可以证明，与样本相关系数 r 有关的 t 统计量服从自由度为n-2的 t 分布： 由所估计的样本相关系数r可以计算t统计量。 相关系数的检验方法： 给定显著性水平 ， 查自由度为 n-2 的临界值 若 ，表明相关系数 r 在统计上是显著 的，应否定 而接受 的假设； 反之，若 ，应接受 的假设。 （三）spearman等级相关系数 ☆采用积差法计算的相关系数r，它只适用于变量X、Y的观测值（即数量标志值）都是数值的情况下，而且是属于线性关系。如果两个变量X和Y是以品质标志出现的，要研究它们之间是否具有相关关系，则要用等级相关系数进行计算。 ☆等级相关系数侧重于观测现象的等级，就是把有关联的品质标志按其表现排列成等级次序（当然数量标志值更容易排成等级次序），形成X、Y的两个序数数列，再测定这两个序数数列之间的相关程度，用这种方法计算的相关指标，就叫等级相关系数。 等级相关系数的计算公式