相关与简单线性回归分析.PPT

統計學 郭信霖 許淑卿 第十二章　　相關與簡單線性 迴歸分析 ■ 12-1 散佈圖與變數間的關係 ■ 12-2 相關分析與Spearman ■ 12-3 線性迴歸模型 ■ 12-4 殘差分析與線性轉換 ■ 12-5 電腦範例 ■ 12-6 流程圖 12-1 散佈圖與變數間的關係 散佈圖（scatter diagram）： 變數之間存在三種關係： 1. 函數關係 2. 統計獨立 3. 統計關係 研究兩變數或兩變數以上的相關關係，方法有二： 相關分析（correlation analysis） 迴歸分析（regression analysis） 12-2 相關分析與Spearman相關 係數 相關分析：為衡量兩隨機變數之間關係的方法。 相關係數（correlation coefficient）：用以衡量兩隨機變數間之直線關係程度的大小與方向的量數謂之。 一、共變異數 ?XY = Cov(X, Y) = E[(X - ?X)(Y - ?Y)] = E(XY) - ?X ?Y 其性質如下： 1. Cov(X, Y) = Cov(Y, X ) 2. Cov(aX + b, cY + d) = acCov(X, Y)，a，b，c，d為常數 3. 若X Y，則Cov(X, Y) = 0；反之，未必成立。 Cov(X, X) = Var(X) = ? Cov(b, cY) = 0 二、相關係數 1. 母體相關係數 ?XY = 　= 　= E ?XY稱為兩隨機變數X，Y的母體相關係數，其數值範圍為 - 1 ? ?XY ? 1。 (1)? XY = 0表示兩隨機變數X與Y沒有直線關係。 (2)? XY 0表示兩隨機變數X與Y間有正向的直線關係。 (3)? XY = 1表示兩隨機變數X與Y完全正相關、斜率為正的直線關係。 (4)? XY 0表示兩隨機變數X與Y間有負向的直線關係。 (5)? XY = - 1表示兩隨機變數X與Y完全負相關，斜率為負的直線關係。 2. 樣本相關係數 rXY = = = = = 其中xi = Xi - ，yi = Yi -　　 SXY = 為樣本共變異數　　 S = ，S = 樣本相關係數rXY，又稱為Pearson積差相關係數（Pearson product-moment correlation coefficient）。 (1) r = 0時，表示X與Y為零相關，沒有直線關係。 (2) | r | ? 0.3，表示X與Y為低度相關。 (3) 0.3 | r | ? 0.7時，表示X與Y為中度相關。 (4) 0.7 | r | 1時，表示X與Y為高度相關。 (5) | r | = 1時，表示X與Y之各相關點完全落在一條直線 上，為完全直線關係（指完全正相關或完全負相 關）。 3. 相關係數之統計推論 判斷兩個變數之間是否存在有線性關係的方法有三： 一為利用相關係數的檢定。 另外兩種方法為利用線性迴歸分析中迴歸係數的推論。 討論兩個變數間是否有顯著相關的檢定： (1)當?XY = 0時，rXY的抽樣分配與t分配、F分配有關，即 T = = r ～ t(n - 2) 或F = T 2 = ～ F(1, n - 2) 檢定兩變數間是否有顯著相關( ?XY = 0 )的步驟： (1)假設： H0：?XY = 0 ， H1：?XY ? 0 (2)統計量： T = 或 F = (3)拒絕H0區域： CR = { | T | t?/2( n - 2 ) }或CR = { F F?( 1, n - 2 ) } (4)計算統計量的值與結論： 若T0 ? CR或F0 ? CR，則拒絕H0；否則，不能拒絕H0。 假若單尾假設檢定，只能利用t分配檢定，不可用F分配檢定。 (2)當?XY ? 0時，rXY的抽樣分配能利用Fisher轉換統計量 Zr之抽樣分配為近似常態分配來處理。 Zr = ln ～N ln ,  檢定? XY = ?0 ? 0之步驟： (1)假設： H0：? XY = ?0 ? 0，H1： ??0 (2)統計量： Z = ～N( 0, 1 ) (3)拒絕H0區域： CR = { | Z | z?/2 } (4)計算統計量的值與結論 若Z0?CR，則拒絕H0；否則，不能拒絕H0。 三、Spe