相關係數.PPT

社會統計（上） 二元隨機變數(Bivariate Random Variables) 社會中大多數的事件是同時發生或互相關連的： 如教育程度與薪資 人口密度與犯罪率 市場中廠商的數目與商品價格 二元隨機變數描述兩個隨機變數X與Y共同發生的的數值組合(X,Y)，其發生的機率可用聯合機率函數來表達 Joint Probability Tables聯合機率表 聯合機率函數 設X,Y為二元間斷隨機變數，X之值為x1,x2,x3,…xn，Y之值為y1,y2,y3…ym，若f(xi, yj)滿足下列兩條件： 邊際機率函數 設X,Y為二元間斷隨機變數，其機率函數為f(x,y)，則X, Y的邊際機率函數分別為fx(xi)與fy(yj) X,Y的聯合機率分配表 條件機率 設f(x,y)為二元機率函數，則 在Y= yj的條件下，xi發生的條件機率為： 兩變數獨立 兩變數彼此沒有關連，稱為獨立(independent): 設X,Y為二元隨機變數，若X,Y滿足下列任一條件，則X,Y為獨立： Covariance, 共變量 當X, Y兩隨機變數不互為獨立時，表示兩者間有關連。其關連的形式有很多種，最常見的關連為線性的共變關係。 兩個隨機變數X,Y間的線性關係可用兩個統計量來測量(1) 共變數(covariance) (2) 相關係數 (correlation coefficient)。兩者都能衡量兩變數之間是否有線性關係存在。 Stochastic Relationships and Scatter Diagrams Scatter Plot可以顯示兩連續變數x, y之間的關聯形式與強度： Covariance, 共變量 我們用簡單圖形可以來瞭解兩變數x與y之間的關係。另一種分析兩變數關係的統計技術為相關分析(correlation analysis)。 兩個隨機變數之間的共變關係為何？ Covariance, 共變量 假設兩隨機變數Y與X之間具有某種關聯，母體X的平均值為ux、母體變異數σx2，母體Y的平均值為uy 、母體變異數σy2， Covariance, 共變量 測量兩變數之間是否有關連的一個有效指標為共變數(covariance) Covariance, 共變量 先生的收入(x)與太太的收入(y)關係如下表，請計算共變量(covariance) Covariance, 共變量 Covariance, 共變量 例題 Covariance, 共變量 證明： Covariance, 共變量 證明：if X, Y are independent, The Population Correlation Coefficient, ρ母體相關係數 用共變量來衡量兩變數的關係有一個缺點，即σxy及sxy的值會受到x與y衡量單位的影響。 The Population Correlation Coefficient, ρ母體相關係數 The Population Correlation Coefficient, ρ母體相關係數 因此，我們將covariance分別除上x與y的標準差σx、σy，得到標準化後的指標稱之為相關係數: Sample Correlation Coefficient, r樣本相關係數 樣本相關係數: 相關係數的特性 相關係數衡量兩變數之間是否有線性關係，相關係數愈大，代表兩變數之間的線性關係愈強。相關係數為零，代表兩變數沒有線性關係。 相關係數的值介於正負1之間，正1代表兩者呈完全正相關，負1代表兩者呈現完全負相關。 如果x與y為獨立，則相關係數ρ=0。 如果ρ=0，x與y不一定為獨立，因為他們可能具有非線性關係。 相關係數的特性 證明：若x為y之線性函數y=a+bx，則x與y的相關係數為±1。 相關係數的強弱 r = ? 1 為完全相關 r = 0 為無相關 例題 例題 母體相關係數的檢定 樣本相關係數r為母體相關係數?的估計式。 母體相關係數的檢定 利用檢定斜率的公式： 例題 續上例 相關係數與因果關係 相關僅代表兩變數間有線性關係，不必然隱含因果關係，下列情況皆有可能 相關係數與因果關係 商品的價格愈高，需求愈低？ 美國職業運動的票價每年都在增長，但需求不減反增。 相關分析僅考慮兩個變數x, y 之間的關係，而忽略其他可能影響y的因素。 人口增加、收入增加、職業運動受歡迎的程度增加等 相關係數不受單位尺度變換的影響 例題 某校MBA畢業生的在學成績(x)與工作起薪(y)的資訊如下： 例題 X Y (a) r = 0.8 X Y (b) r = .95 X Y (c) r = 0 X Y (a) r = 0 X Y (d) r = -.90 X Y (c) r = -0.5 求x與y的correlation?