净相关系数.PPT

17.1 相關係數 判定係數：迴歸平方和除以總平方和 相關係數 正相關與負相關 相關係數 17.2 r 的詮釋 必須先將資料點的散佈型態繪製出來，才能判斷變數之間的線性關係。 r 值很大 (接近-1或+1）並不表示這兩個變數之間存在因果關係 17.3 相關分析 假設 x 與 y 為常態隨機變數 x 值不是固定值，而是變數的值。 相關性檢定 ( H0：ρ＝0 ) 1. 費雪 Z 轉換 2. 轉換成標準單位 1. H0：ρ＝0 ? HA：ρ≠ 0 ? 2. α＝0.05 ? 3. 若 z≦-1.96 或 z≧1.96 時，不接受虛無假設 。 4. 將 n＝5 與 z＝0.793 5. z＝1.12，介於 -1.96與1.96之間，無法不接受虛無假設此 r 值在統計上不顯著 1. H0：ρ＝-0.8 ? HA：ρ＜ -0.8 ? 2. α＝0.01 ? 3. z≦-1.832 時，不接受虛無假設。 4. n＝12、z＝-2.20 5. -2.20 -2.33，所以無法不接受虛無假設。 ρ的信賴區間 r＝0.62 ，Z＝0.725。 得到 查附表X中接近 Z＝0.348 與 Z＝1.102 的對應 r 值，可得ρ的95% 信賴區間： *17.4 複相關與淨相關 定義： 複相關係數 = 而在圖17.5中，我們見到 R-sq，即為 R2，其值為 89.4%。 ? 淨相關係數 淨相關係數：移除其他變數影響的相關係數 當x3 維持不變時，x1 與 x2 之間的淨相關係數 r12＝-0.30、r13＝-0.70、 r23＝0.80 代入 得到 r12.3 = 0.607 在移除氣溫所造成的影響之後，熱巧克力銷售量與遊客人數之間的確存在某種程度的正相關 。 * Σx = 850, Σx2 = 65230, Σy = 927, Σy2 = 74883, Σxy = 69453 Σx = -86, Σx2 = 226, Σy = -1, Σy2 = 237, Σxy = 69 不可以！這是錯誤的說法！ r＝0.8 時， 表示 y值的總變異中有64% 可以用 x 與 y 的關係來解釋； r＝0.4 時， 表示 y 值的變總異中有16% 可以用 x 與 y 的關係來解釋。 從「解釋」的觀點而言，0.80相關性的強度，應該是0.40相關性的強度的四倍。