第八章相关与回归分析《统计学》.pptVIP

凌洁 第八章 相关与回归分析第一节 相关分析 一、函数关系和相关关系 （一）函数关系和相关关系的区别与联系。 客观现象总是普遍联系、相互依存、相互制约的，当我们用变量来反映这些现象的特征时，便表现为变量之间的依存关系。变量之间就其关系的变化来说可分为函数关系和相关关系。 （二）相关关系的分类 客观现象间的相关关系相当复杂，表现为各种形态，可以按不同的标志加以分类。 1．按相关程度划分，相关关系可分为完全相关、不完全相关和不相关。 当一种现象的数量变化完全由另一种现象的数量变化所决定时，称这两种现象之间的关系为完全相关(即函数关系)。 例如上述的圆的周长与圆的半径之间的关系等。在这种情况下，相关关系即为函数关系，也可以说函数关系是相关关系的一种特例。 当两个现象彼此互不影响，其数量各自独立时，称这两个现象之间的关系为不相关或零相关。 例如，学生的学习成绩与其身高、体重之间一般认是不相关的，同样，一个人的收入与其血压之间也是不相关的。 若两个现象之间的关系介于完全相关和不相关之间，就称为不完全相关。一般的相关关系就是指这种不完全相关，它是相关分析的研究对象。 2．按相关方向划分，相关关系可分为正相关和负相关。 两个相关变量间，当一个变量的数值增加（或减少）时，另一个变量的数值也随之增加（或减少），这种相关称为正相关。 例如家庭消费与收入、身高与体重。 当一个变量的数值增加（或减少）时，另一个变量的数值反而表现出减少（或增加）的趋势变化，称这种相关为负相关。 例如价格与需求量、劳动生产率与单位产品成本等。或者说，正相关是变量数值之间表现出的同方向变化，而负相关是变量数值之间的反向变化。 3．按相关形式划分，相关关系可分为线性相关与非线性相关。 当一个变量发生变动，另一个变量随之发生大致均等的变动（增加或减少），从图形上看，其相应观测点的分布近似地表现为直线形式，就是线性关系。 而当一个变量发生变动时，另一个变量也随之发生变动（增加或减少），但这种变动不是均等的，从图形上看，其相应观测点的分布近似地表现为各种不同的曲线形式，这种相关关系称为非线性相关。 4．按变量多少划分，相关关系可分为单相关、复相关和偏相关 单相关又称一元相关，是指两个现象之间的相关，即一个变量对另一个变量之间的相关关系。 复相关又称多元相关，是指三个或三个以上变量之间的相关关系。 例如家庭的消费水平与家庭收入、家庭财产及市场价格水平之间的关系便是一种复相关。 在某一变量与多个变量相关时，当假定其他变量不变，仅研究两个变量的相关关系时，称为偏相关。 例如在假定家庭收入、家庭财产不变的条件下，市场价格水平与家庭消费支出的关系就是一种偏相关，同样，在假定家庭收入和市场价格水平不变的条件下，家庭财产与家庭消费支出的关系也是一种偏相关。 5．按相关的性质分，相关关系可分为真实相关和虚假相关。 当两个现象之间的相关确实具有内在联系时，称之为真实相关。 例如上述的消费与收入、价格与需求量等的相关，都可以说是真实相关。 当两个现象之间的相关只是表面存在，实质上并没有内在联系时，称其为虚假相关。 一个国家的国内生产总值与其精神病患者人数之间、一个股票市场的股票价格水平与气温之间的关系就是典型的虚假相关。 判断真实相关与虚假相关，必须依靠有关的实质性科学提供的知识做定性分析，而不能靠数学公式或简单的数学图表来作出判断。 二、相关关系的分析 相关分析就是对变量之间相关关系的描述与度量。 其基本内容包括： 1、直观地判断变量之间是否存在相关关系及其相关关系的具体形式。一般是通过绘制统计图表来实现，这也是相关分析的出发点。 2、定量地刻画变量之间相关关系的程度或强度。线性相关关系一般是通过相关系数来说明，非线性相关关系可以通过相关指数来说明，这是相关分析的中心内容。 3、相关系数的显著性检验。在实际进行相关分析时，相关系数都是利用样本数据计算的，因而带有一定的随机性。因此，也需要进行显著性检验。 （一）相关表和相关图 相关表和相关图是研究相关关系的简单、直观工具。利用它们可对现象之间存在的相关关系的方向、表现形式和密切程度做出大致的判断。 相关表是一种反映变量之间相关关系的统计表，根据资料是否分组，相关表有简单相关表和分组相关表两种。 简单相关表就是先将自变量的数值按从小到大的顺序排列出来，然后将因变量数值对应列上而形成的表格。 【例8-1】 （二）相关系数（Coefficient of correlation） 1．相关系数的意义 在各种相关中，单相关是基本的相关关系，它是复相关和偏相关的基础。单相关有线性相关和非线性相关两种表现形式。测定线性相关系数的方法是最基本的相关分析，是测定其他相关系数方法的基础。 单相关系数或简单相关系数可简称相关系数。 相关系数是在直线相