第七章相关与回归分析.pptVIP

第八章 相关与回归分析 父代与子代之间的关系 高尔顿被誉为现代回归和相关技术的创始人。1875年他利用豌豆实验来确定尺寸的遗传的规律，他挑选了7组不同尺寸的豌豆，并说服了他在英国不同地区的朋友每一组种植10粒种子，最后把原始的豌豆种子（父代）与新长的豌豆种子（子代）进行尺寸比较。 当结果被绘制出来之后，他发现了并非每一个子代都与父代一样，不同的是尺寸小的豌豆得到了更大的子代，而尺寸大的豌豆得到了较小的子代，他把这一现象称为“返祖”（趋向于祖先的某种平均类型）后来又称之为“向平均回归”。一个总体个在某一时期具有某种极端特征(低于或高于平均值）的个体在未来某一 个时期将减弱它的极端性，这一趋势称为回归效应。 学习目标 理解相关关系的含义 掌握相关分析的方法 掌握一元线性回归分析与预测 一、变量相关的概念 变量间的关系（函数关系） 定义：当一个或几个变量取一定的值 另一个变量有确定的值与之对应 特点：①是一一对应的确定关系 ②设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 ③各观测点落在一条线上 变量间的关系（函数关系） 变量间的关系（相关关系） 定义：当一个或几个变量取一定的值 ，另一个变量的值虽然不固定但仍按某种规律在一定的范围内变化 特点：①变量间关系不能用函数关系精确表达 ②一个变量的取值不能由另一个变量唯一确定 ③当变量 x 取某个值时，变量 y 的取值可能有几个 ④各观测点分布在直线周围 变量间的关系（相关关系） 相关关系的类型 相关关系的图示 二、相关关系的测定 定性判断： 根据研究着的理论知识和和实践经验对客观现象之间是否存在相关关系以及何种相关关系作出判断。 定量分析： 在定性分析的基础上绘制散点图，计算相关系数来判断现象之间的相关方向和程度 散点图 含义： 对于两个变量x和y，通过观察或实 验可以得到若干组数据，记为（xi，yi） i=1,2…n,用坐标轴的横抽代表变量x，纵轴代表y，每组数据在坐标轴上用一个点表示，n组数据就形成n个点（散点），由坐标轴及散点形成的二维图形称为散点图。 散点图（绘制）案例 相关关系的测度（相关系数） 对变量之间关系密切程度的度量 对两个变量之间线性相关程度的度量称为简单相关系数 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为 若是根据样本数据计算的，则称为样本相关系数，记为 相关关系的测度（相关系数） 样本相关系数的计算公式: 相关关系的测度（相关系数取值及其意义） 相关关系的测度（相关系数取值及其意义） 相关关系的测度（相关系数计算例） 相关关系的测度（计算结果） 解：根据样本相关系数的计算公式有 人均国民收入与人均消费金额之间的相关系数为 0.9987 相关系数的显著性检验（概念要点） 1. 检验两个变量之间是否存在线性相关关系 2. 等价于对回归系数 b1的检验 3. 采用 t 检验 4. 检验的步骤为 相关系数的显著性检验（实例） 相关系数的显著性检验（相关系数检验表的使用） 若IrI大于表上的?=5%相应的值，小于表上?＝1%相应的值，称变量x与y之间有显著的线性关系 若IrI大于表上?=1%相应的值，称变量x与y之间有十分显著的线性关系 若IrI小于表上?=5%相应的值，称变量x与y之间没有明显的线性关系 根据前例的r=0.9987?=5%(n-2)=0.553,表明人均消费金额与人均国民收入之间有十分显著的线性相关关系 什么是回归分析？（内容） 从一组样本数据出发，确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制