非参数统计 秩相关分析和秩回归.ppt

第七章 秩相关分析和秩回归 相关系数的度量 7.1 Spearman秩相关系数及检验 检验 例7.1 解答 相关系数及检验 例7.2 多变量Kendall协同系数检验 例7.3 Kappa一致性检验 Kappa一致性检验 Kappa一致性检验 Kappa一致性检验 Kappa一致性检验 例 解答 解答 一元线性回归 多元线性回归 多元线性回归系数估计 Theil和中位数回归系数估计 Brown-Mood方法 例7.5 分组程序 例7.5 例7.5 一元线性回归 一元线性回归 Theil方法 Theil方法 三种方法的效果图形 关于α和β的检验问题 Po-PA[1,1]+PA[2,2]+PA[3,3] Po [1] 0.5833333 Pe-sum(cPA*rPA) Pe [1] 0.3466435 K-(Po-Pe)/(1-Pe) K [1] 0.3622675 （较低） 例 例 X1=c(-0.05, 0.25,0.60,0, 0.25,0.20, 0.15,0.05,-0.15, 0.15, 0.20, 0.10,0.40,0.45,0.35,0.30, 0.50,0.50, 0.40,-0.05, -0.05,-0.10,0.20,0.10,0.50,0.60,-0.05,0, 0.05, 0.55) X2=c( 5.50,6.75,7.25,5.50,7.00,6.50,6.75,5.25,5.25,6.00, 6.50,6.25,7.00,6.90,6.80,6.80,7.10,7.00,6.80,6.50, 6.25,6.00,6.50,7.00,6.80,6.80,6.50,5.75,5.80,6.80) Y=c( 7.38,8.51,9.52,7.50,9.33,8.28,8.75,7.87,7.10,8.00, 7.89,8.15,9.10,8.86,8.90,8.87,9.26,9.00,8.75,7.95, 7.65,7.27,8.00,8.50,8.75,9.21,8.27,7.67,7.93,9.26) lm.sol-lm(Y~X1+X2) summary(lm.sol) 一般的线性回归模型： 参数估计：1）Brown-Mood方法；2）Theil方法。 1）Brown-Mood方法： X Y Xmed X1med X2med Y1med Y2med 第1组 第2组 某公司销售一种特殊的化妆用品，该公司观测了15个 城市在某季度的销售量Y(万件)和人均收入X(百元)： 8.7, 9.6, 6.1, 8.4, 6.8, 5.5, 7.1, 8.0, 6.6, 7.9, 7.6, 7.8, 9.0, 7.0, 6.3 Y 9.1, 8.3, 7.2, 7.5, 6.3, 5.8, 7.6, 8.1, 7.0, 7.3, 6.5, 6.9, 8.2, 6.8, 5.5 X 假定X与Y之间存在线性关系，求回归方程。 x-c(9.1,8.3,7.2,7.5,6.3,5.8,7.6,8.1,7.0,7.3,6.5,6.9,8.2,6.8,5.5) y-c(8.7,9.6,6.1,8.4,6.8,5.5,7.1,8.0,6.6,7.9,7.6,7.8,9.0,7.0,6.3) mx-median(x) y1-y[x=mx] x1-x[x=mx] y2-y[xmx] x2-x[xmx] 6.3, 5.5, 6.8, 7.6, 7.0, 7.8, 6.6, 6.1, Y1med=6.7 Y 5.5, 5.8, 6.3, 6.5, 6.8, 6.9, 7.0, 7.2, X1med=6.65 X 7.9, 8.4, 7.1, 8.0, 9.0, 9.6, 8.7, Y2med=8.4 Y 7.3, 7.5, 7.6, 8.1, 8.2, 8.3, 9.1, X2med=8.1 X lm(y~x) Call: lm(formula = y ~ x) Coefficients: (Intercept) x 0.7996 0.9288 拟合效果图形： plot(x,y) abline(lm(y~x)) 1）Theil方法： 当X没有重复数据时，任给ij，记 则 当X有重复数据时，如(x1,y1),(x1,y2),…,(x1,yl) 则y*=median(yi, i=1,2,…,l), 用一个点代替全部的点 再用