第6章 相关与回归分析5.5.ppt

第6章 相关与回归分析 6.1 相关分析 6.2 一元线性回归 相关分析（correlation analysis）和回归分析（regression analysis）有什么用？ 一个国家香烟的消费量与癌症的发病率有关系吗？父母的身高是否影响其子女的身高？公司股票的市盈率与老总的薪酬有关联吗？接受高学历教育的人是否比低学历的人有更高的薪水？……现实世界中存在着大量诸如此类的问题，用统计语言来概况，就是两个或者更多个变量之间，是否存在相互关联？进而，存在相关关系的变量间又是如何相互影响的？ 相关分析（correlation analysis）和回归分析（regression analysis）可以用来回答这类问题，它们是研究现象之间相互关系的两种基本方法。本章介绍这两种方法的理论与应用。 6.1.1 变量间的关系 当一个变量取一定数值时，另一个变量有确定值与之相对应，这种关系称为函数关系。 当一个变量取一定数值时，与之相对应的另一变量的数值虽然不确定，但它仍按某种规律在一定的范围内变化，这种关系称为相关关系。 对相关关系的分析是统计学的重要研究内容。 主要研究方法：相关分析和与回归分析。 函数关系 1.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 2. 是一一对应的确定关系 3. 各观测点落在一条线上 函数关系(几个例子) 相关关系(correlation) 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 相关关系(几个例子) 相关分析与回归分析 相关分析（Correlation Analysis）研究变量之间相关的方向和相关的程度，但无法给出变量间相互关系的具体形式，因而无法从一个变量推测另一个变量。 补充：相关关系的分类 （一）按现象之间相关关系的方向划分 1.正相关：是当一个现象的数量由小变大，另一个现象的数量也相应由小变大，这种相关称为正相关。 2.负相关：是当一个现象的数量由小变大，而另一个现象的数量相反地由大变小，这种相关称为负相关。 （二）? 按现象之间相关关系的程度分 1.完全相关：当一种现象的数量变化完全由另一个现象的数量变化所确定时，即相关关系已经转化为函数关系，称这两种现象间的关系为完全相关。 2.完全不相关：当两个现象彼此互不影响，其数量变化各自独立时，称为不相关现象。 3.不完全相关：两个现象之间的关系介于完全相关和不相关之间，称为不完全相关，一般的相关现象都是指这种不完全相关。如人的身高和体重之间的关系。 （三）按现象之间相关的形式分 1.线性相关：当两种相关现象之间的关系大致呈现为直线关系时，称之为线性相关，即直线相关。 2.非线性相关：如果两种相关现象之间，并不表现为直线的关系，而是近似于某种曲线方程的关系，则这种相关关系称为非线性相关，即曲线相关。 （一）相关图 相关图是以直角坐标系的横轴代表自变量，纵轴代表因变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用来反映两变量之间相关关系的图形，又称散点图或散布图或相关点图。 散点图(scatter diagram) 散点图(例题分析) 【例】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的增长，这给银行业务的发展带来较大压力。为弄清楚不良贷款形成的原因，管理者希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的办法。下面是该银行所属的25家分行2002年的有关业务数据 （二）相关系数(correlation coefficient) 定义：度量变量之间关系强度的一个统计量 对两个变量之间线性相关强度的度量称为简单相关系数 衡量两个定量变量之间线性相关程度的常用指标是皮尔逊（ Pearson）相关系数。 通常以ρ表示总体的相关系数，以r表示样本的相关系数。 相关系数(例题分析) ?用Excel计算相关系数 相关系数的性质 性质1：r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 r = 0，不存在线性相关关系 -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越强；|r|越趋于0表示关系越弱 相关系数的性质 性质