统计学期末复习重点 第章 相关分析与回归分析.pptVIP

第六章　相关分析与回归分析 相关关系的种类 1、按相关方向分为：正相关和负相关 2、按相关程度分为：完全相关、不完全相关和不相关 3、按相关形式分为：线性相关（直线相关）和非线性相关（曲线相关） 4、按所研究的变量的多少分为：单相关（A与B）、复相关（A与B、C、D）和偏相关（B、C不变A与D） 5、按相关系数分为：?r?=1，完全相关；0.8??r??1，高度相关； 0.5??r??0.8，显著相关；0.3??r??0.5，低度相关；0??r??0.3，微弱相关； r＝0，不相关； 相关分析 相关表和相关图 （一） 相关表 将某一变量的若干数值按从小到大顺序排列，再列出与其相关的另一个变量的对应数值 例1 现从某班同学中抽取10位同学期末考试的 数学与统计学成绩资料如表6-2所示 表6-2 数学与统计学成绩 将数学成绩按从小到大的顺序排列，可编制相关表如表6-3所示 表6-3数学与统计学成绩相关表 （二） 相关图 又称散点图 以直角坐标系的横轴代表自变量X，纵轴代表因变量Y 将两个变量相对应的变量值用坐标点描绘出来 用于反映两变量之间相关关系的图形 根据表6-3绘制相关图 相关系数的计算 积差法公式： 简捷公式： 例 万象集团公司下属公司1月份的销售总额与利润总额的资料如表6-4所示。试问该公司的销售总额与利润总额之间是否存在相关关系 单相关系数的检验 （1）建立假设。 原假设：H0：ρ=0 对立假设：H1：ρ≠0 （2）计算相关系数的t值 （3）确定临界值 （4）进行判断 根据例6-1，当α＝0.05时，r≈0.9261，试问该公司的销售收入与利润总额之间是否存在显著的线性相关关系？ 相关分析与回归分析的关系 相关分析与回归分析的联系： 第一，两者都是研究现象之间相关关系的方法。 第二，相关分析依靠回归分析表明现象数量相关的具体形式；回归分析需要依靠相关分析来表明现象数量变化的相关程度 相关分析与回归分析的关系 区别： 1、相关分析中x与y对等，回归分析中x与y要确定自变量和因变量； 2、相关分析测定相关程度和方向，回归分析用回归模型进行预测和控制； 3、相关分析中x、y均为随机变量；回归分析中只有y为随机变量，自变量作为研究时给定的非随机变量 一元线性回归模型 总体回归函数 从一个总体看，反映两个变量依存关系的线性回归模型可表示为： 其中， 和 是未知参数，又叫回归系数， 是随机误差项，又称随机干扰项，反映未列入方程的其他各种因素对Y的影响 上式表明：在X值给定的条件下，Y的期望值是X的严密的线性函数。Y的实际观测值并不一定位于该直线上，只是散布在该直线周围。各实际观测点与总体回归线垂直方向的间隔，称为随机误差项 误差项的标准假定 假定1：误差项 是一个期望值为0的随机变量，即 假定2：对于所有的X值，误差项 的方差为常数σ2 假定3：误差项之间不存在自相关关系，其协方差为0 假定4：误差性 是一个服从正态分布的随机变量，且独立，即 ～N（0，σ2） 假定5：自变量是给定的变量，与随机误差项线性无关 满足以上标准假定的一元线性模型，称为标准的一元线性回归模型 样本回归函数 样本一元线性回归模型可表示为： 实际观测到的因变量 值，并不完全等于 如果用εi表示两者之差，即有： 样本回归函数与总体回归函数的区别与联系： 区别：第一，总体回归线是未知的，只有一条；样本回归线是根据样本数据拟合的，可以是多条 第二，总体回归函数中 和 是未知的参数，表现为常数；样本回归函数中 和 是随机变量，其具体数值由所抽取的样本观测值决定 第三，总体回归函数中的 是 与未知的总体回归线之间的距离，是不可直接观测；样本回归函数中的 是 与样本回归线之间的距离 ，可以计算出具体的数值 一元线性回归模型的估计 （一）回归参数的估计 最小二乘法通过使残差平方和为最小来估计回归系数 根据最小二乘法： 对Q分别求对应于 和 的偏导数得： 根据上述方程组可得： 例 根据例6-1的资料。拟合直线回归方程。 标准误差的估计 反映理论模型误差的大小 在一元线性回归模型中， 残差必须满足以下两个约束条件： 即 的无偏估计S2为： 估计标准误差的自由度 1.估计标准误差的自由度之所以是n-2，原因是在计算估计标准误差时，必须先求出 和 ，这两个估计值