第六章 相关与回归分析1.pptVIP

统计学STATISTICS 8 - * 统计学STATISTICS 8 - * 统计学STATISTICS 8 - * 6.1 相关与回归的基本概念 6.2 简单线性相关与回归分析 据世界卫生组织统计，全球肥胖症患者达3亿人，其中儿童占2200万人，11亿人体重过重。肥胖症和体重超常早已不是发达国家的“专利”，已遍及五大洲。目前，全球因”吃”致病乃至死亡的人数已高于因饥饿死亡的人数。 问题: 肥胖症和体重超常与死亡人数真有显著的数量关系吗? 这些类型的问题可以运用相关分析与回归分析的方法去解决。 实例:全球吃死的人比饿死的人多? 一、变量间的相互关系 二、相关关系的类型 三、相关分析与回归分析 一、变量间的相互关系 1、函数关系 Y=f (X) X与Y之间呈确定的数量变化关系 2、相关关系 Y= f（X）+ε (ε为随机变量) X取一定值时Y值不确定，但是按照某种规律在一定范围内变化 例如：身高与体重、广告投入与销售量 3、没有关系 变量间关系的图形描述，坐标图(散点图) 二、相关关系的类型 1、 从涉及的变量数量看 简单相关：两个变量 多重相关：三个或者三个以上变量 2、从变量相关关系的表现形式看 线性相关——散布图接近一条直线(左图) 非线性相关——散布图接近一条曲线(右图) 3、从变量相关关系变化的方向看 正相关——变量同方向变化 A 同增同减 (A) 负相关——变量反方向变化 一增一减 (B) B 4、 从变量相关的程度看 完全相关 (B) 不完全相关 (A) C 不相关 (C) 二、相关关系的类型 三、相关分析与回归分析 相关分析：是研究两个或两个以上随机变量之间线性依存关系的紧密 程度。即随机变量之间线性相关及关联程度的强弱。 通常用相关系数表示，多元相关时用复相关系数表示。 回归分析：是研究某一随机变量（因变量）与另外一个或几个普通变量 （自变量）之间的数量变动的关系。 由回归分析求出的关系式，称为回归模型。 相关分析与回归分析的联系与区别 联系：由相关系数的大小决定是否需要进行回归分析。在相关分析的 基础上建立回归模型，以便进行推算、预测，同时相关系数还 是检验回归分析效果的标准。 区别：相关分析研究的变量都是随机变量，并且不分自变量与因变量； 回归分析研究的变量要首先明确那些是自变量，那些是因变量？ 并且自变量是确定的普通变量，因变量是随机变量。 Chapter 1 Instructor Notes 1-* Statistics, 6/e ?1997 Prentice-Hall, Inc. Chapter 1 Student Lecture Notes 1-* 统计学STATISTICS 8 - * 统计学STATISTICS 8 - * 统计学STATISTICS 8 - *