统计学-相关分析与回归分析.pptVIP

第6章 相关分析与回归分析 主要内容: 6.1 相关分析概述 6.2 相关关系的测度 6.3 回归分析的基本问题 6.4 简单线性回归分析 6.5 多元线性回归分析 6.6 非线性回归分析 6.7 使用SPSS进行相关分析和回归分析举例 第6章 相关分析与回归分析 6.1 相关分析概述 1. 函数关系 2. 相关关系 （1）相关关系是指现象之间确实存在数量上的相互依存关系。 （2）现象之间数量依存关系的具体关系值不是固定的。 第6章 相关分析与回归分析 6.1 相关分析概述 1、按相关关系的程度划分，可分为完全相关、不完全相关和不相关 2、按相关形式划分，可以分为线性相关和非线性相关 3、按相关的方向划分，可分为正相关和负相关 4、按相关关系涉及的因素多少划分，分为单相关、复相关和偏相关 第6章 相关分析与回归分析 6.1 相关分析概述 表6.1 销售额与流通费用相关 相关系数是用来说明变量之间在线性相关条件下相关关系密切程度和方向的统计分析指标。相关程度的大小与计量单位无关，所以相关系数是无量纲的数量。 设变量x,y的n对观测值为(x1,y1),…,(xn,yn)，皮尔逊 相关系数为 第一步：定等级。将变量x,y的观测值按照顺序定出等级，形成两个序数数列，如果有相等的数值时，则按原有的等级求其平均数，作为这些观测值的等级。 例如，某公司6位员工按学历高低排列分别为：硕士、本科、本科、本科、专科、专科。 其中3个本科原来应该列为第2、3、4等级，平均数为3，2个专科原来应该列为第5、6等级，平均数为5.5，因此这6个人的学历等级可以定为：1、3、3、3、5.5、5.5。 第二步：计算x和y两个序数数列的每对观测值的等级之差，记作D，D=x-y ; 第三步：按下述公式计算相关系数： 6.3.1 回归分析的概念与分类 4.3.2回归分析的特点 4.3.3回归分析的类型 4.3.4相关分析与回归分析 （1）描述的方式不同 （2）变量的地位不同 （3）描述的内容不同 （4）变量的性质不同 6.3.1 回归分析的概念与分类 回归分析，是指在相关分析的基础上，把变量之间的具体变动关系模型化，求出关系方程式，就是找出一个能够反映变量间变化关系的函数关系式，并据此进行估计和推算。通过回归分析，可以将相关变量之间不确定、不规则的数量关系一般化、规范化。从而可以根据自变量的某一个给定值推断出因变量的可能值（或估计值）。 回归分析包括多种类型，可分为简单回归和多元回归 ，也可分为线性回归和非线性回归。 6.3.2 相关分析与回归分析 6.5.2 多元线性回归的基本假设和参数估计 6.5.2 多元线性回归的基本假设和参数估计 6.5.3 多元线性回归模型的检验 6.5.3 多元线性回归模型的检验 6.5.3 多元线性回归模型的检验 6.5.4 多元线性回归预测模型 6.5.5 多元线性回归变量的筛选 a. Dependent Variable: Y .000 45.324 .999 .009 .402 X .000 17.576 23.043 405.000 (Constant) 1 Beta Std. Error B Sig. t Standardized Coefficients Unstandardized Coefficients Model Coefficientsa 第6章 相关分析与回归分析 6.4 简单线性回归分析 参数估计结果： 第6章 相关分析与回归分析 6.4 简单线性回归分析 一元线性回归模型为： 以上模型表明，家庭收入每增加1千元， 消费支出平均增加0.402千元。 第6章 相关分析与回归分析 6.4 简单线性回归分析 6.4.4 回归模型的检验 1、拟合优度的度量 ——可决系数（判定系数） 第6章 相关分析与回归分析 6.4 简单线性回归分析 6.4.4 回归模型的检验 1、拟合优度的度量 ——可决系数（判定系数） 判定系数是指回归离差平方和占总离差平方和的比重，即： 第6章 相关分析与回归分析 6.4 简单线性回归分析 6.4.4 回归模型的检验 2 、回归方程的显著性检验 第一步：提出假设 第二步：计算检验统计量F 第三步：确定显著性水平以及临界值F 第四步：做出判断 b. Dependent Variable: Y a. Predictors: (Constant), X 4 404600 Total 196.667 3 590 Residual .000a 2.054E3 404010.