第13 相关数列分析.pptVIP

第13章 相关数列分析 本章主要阐述如何测定变量之间相关关系的紧密程度，以及如何用数学模型来描述具有相关关系的变量之间的联系形式。前者为相关分析，后者为回归分析、相关分析是回归分析的前提。 13.1 相关分析 13.1.1 相关关系的概念 现象间的关系有两种类型：函数关系和相关关系。 1．函数关系。指现象之间存在着严格的依存关系，即变量之间依一定的函数形式形成的一一对应的关系称为函数关系。 2．相关关系。是指两个变量之间存在某种依存关系，但变量y并不是由自变量x唯一确定的，它们之间没有严格的一一对应关系。 13.1.2 相关关系的种类 1.按相关关系涉及的因素多少，可分为单相关与复相关。 2.按相关关系的表现形式，分为直线相关和曲线相关。 3.按相关关系的变动方向，分为正相关和负相关。 4.按相关关系是否涉及有关影响因素，分为因相关和自相关。 5.按相关关系的性质不同，可分为数值相关和属性(等级)相关。 13.1.3 简单相关系数 当变量y与变量x之间具有线性相关时，可用简单相关系数测定它们之间的密切程度。计算公式为： 简单相关系数r的取值范围为: －1≤r≤1. 相关程度的划分标准： r＜1时，则x与y之间为负相关; r=－1完全负相关； r＞1时，则x与y之间为正相关; r = 1完全正相关; |r|＜0.3，无相关； 0.3≤|r|＜0.5，低度相关； 0.5≤|r|＜0.8，中度相关； 0.8≤|r| ＜1， 高度相关。 相关程度的显著性检验 变量y与变量x之间是否具有显著的线性相关，亦可根据给定的显著水平a(通常a=0.05)和自由度n－2，查R分布表得到临界值Ra，若|r|＞Ra，则相关系数具有显著性；否则，不具有显著性。【例13.1】 【例13.2】 测定简单相关系数应注意： (1) x与y两个变量是对等的关系； (2)两个变量只能算出一个相关系数； (3)要求两个变量都是随机的。 13.1.4 斯皮尔曼等级相关系数 斯皮尔曼等级相关系数是把两个变量排序变为等级排序，然后计算相关系数。等级相关又称顺位相关。计算等级相关系数首先应将数量水准或顺序水准的具体表现按等级次序(1，2，…)排列，然后用下列公式计算等级相关系数： 其中n为等级的项数；d =x等级－y等级的差值。【例13.3】 11.1.5 肯达尔一致性系数 肯达尔一致性系数通常用来测定多个顺序等级变量之间的一致性程度。计算时，要求先列出样本中各个个体的不同顺序等级测评排序，并算出等级之和∑Ti及平方和∑ ,然后计算肯达尔一致性系数，即 其中：k为等级变量的个数，n为样本容量。 【例13.4】 等级相关系数和一致性系数亦可作显著性检验 13.2 一元线性回归 一元线性回归是用数学模型描述具有简单相关的因变量与自变量的数量关系, 利用样本数据求解模型参数，并对模型进行统计检验，然后利用模型进行预测和控制。 13.2.1 一元线性回归模型 如果两个变量之间存在线性相关关系，并且自变量的变化会引起因变量按线性关系变化，则两个变量间关系可用一元线性回归模型描述： 式中：a、b为回归系数，a为回归直线的截距，b为回归直线的斜率，e是误差项。一元线性回归模型具有以下特点： (1) 两个变量y、x之间必须存在着真实的线性相关关系； (2) 两个变量y、x之间不是对等的关系，分别为因变量和自变量。 (3) 因变量y是随机变量，自变量x是非随机变量，是给定的数值。 (4) 系数b有正负之分，b为正值x与y正相关；b为负值x与负相关。 13.2.2 一元线性回归模型的参数估计 通常采用最小二乘法估计模型参数，求解a、b参数的标准方程组为： 13.2.3 回归模型的评价与检验 1.拟合程度的测定。回归直线对样本数据的拟合程度用可决系数r2表示: 可决系数r2的取值区间为[0，1],可决系数r2是线性相关系数r的平方. r的正负号与回归系数b的正负号相同. 2.估计标准误差.说明变量y的实际值与估计值的误差程度: （5）误差序列自相关检验 根据动态数据建立一元线性回归模型时，则误差项e也是一个时间序列，若误差序列之间存在密切的相关关系，则建立的回归模型就不能表述自变量与因变量之间的真实变动关系。DW检验就是检验误差序列是否存在严重的自相关。首先计算误差序列统计量DW： 误差自相关检验不能通过时,应对模型进行改建或重建.【例13.5】 13.2.4 一元线性回归模型的应用