社会经济统计学(第九章).ppt

第九章 相关与回归分析 第一节 相关与回归分析的一般问题 第二节 简单线性相关分析 第三节 简单线性回归分析 第一节 相关与回归的一般问题 一、相关关系与相关分析 （一）相关关系的概念与特点 相关关系是指现象之间存在的一种关系数值不固定的、 数量上的依存关系. 首先，现象之间确实存在一种数量上的依存关系。 自变量：作为依据的变量； 因变量：发生相应变化的变量. 其次，变量之间存在相关关系，且数值是不固定的 函数关系 （二）相关关系的种类 1.按涉及的变量的多少：单相关与复相关 2.表现形式分：线性相关与非线性相关。 3.按方向不同分：正相关与负相关。 4.按相关程度来分：完全相关、不完全相关和不相关。 完全相关：r=±1 不相关: r=0 （三）相关分析的概念和内容 相关分析是研究具有相关关系的变量之间变动方向 和密切程度的统计分析方法。 主要内容： 第一，判定变量之间是否存在相关关系以及相关关系的形式 通过相关表和相关图来实现 第二，确定变量之间相关的密切程度 通过计算相关系数来实现 二、回归与回归分析 （一）回归的含义 指变量之间的数量关系 （二）回归分析的概念和内容 回归分析是对具有相关关系的变量之间数量变化的一般 关系进行计算，确定一个相应数学表达式，以进行估计或预 测的方法。内容： 第一，对具有相关关系的现象选择合适的数学模型 第二，对所选择的数学模型的实际效果进行准确性和可靠性检验。 可通过假设检验和估计标准误差来实现 （三）类型 1.按涉及变量的多少：简单回归和复合回归 2.按变量的表现形式：直线回归和曲线回归 三、相关分析与回归分析的关系 联系：都是以变量之间的相互依存关系作为研究对象，相关关系是回归分析的前提和基础，回归分析是相关分析的深入和继续。 区别： 1.相关分析没有方向性，是对等关系；回归分析有方向性，必须先确定自变量与因变量 2.相关分析中变量是随机变量；回归分析则不同，自变量是给定的，因变量是随机的 第二节 简单线性相关分析 一、简单线性相关关系的直观判断 采用定性和定量分析的方法：受理论知识、专业水平、实践经验和分析问题的能力等影响。 采用相关表和相关图 1.相关表 2.相关图（散点图） 可以观察两个变量之间是否存在相关关系以及相互密切 程度如何。 二、相关系数的计算方法和判断标准 （一）计算公式 相关系数是用来测定并反映两个变量之间线性相关 密切程度的指标。用r表示。 （二）直线相关系数的判断标准 相关系数的取值范围：-1≤r≤+1 当r=0，X与Y之间无线性相关 当r=1，X与Y之间完全正相关 当0r1，X与Y之间不完全正相关 当r=-1，X与Y之间完全负相关 当-1r0，X与Y之间不完全负相关 高度相关、中度相关、低度相关、弱相关 防止伪相关 直线相关系数一般仅适用于测定变量间的线性相关,曲线相关,则用相关指数R 例：10个学徒工的技术操作训练时间和月产量资料如 下，计算其相关系数 第三节 简单线性回归分析 回归分析是研究自变量与因变量之间变动关系 的一种统计方法。有线性回归方程和非线性回归方 程。简单线性回归方程是描述两个变量之间的线性 关系的方程，应用最广泛。 一、回归直线的确定 判定存在线性关系：Yc=a+bX 若X与Y互为因果关系，还可求出另一直线方程： 求出待定参数a,b b的含义：说明自变量每增加（减少）一定的数值，因变量平均增加（减少）的数值。 例： 相关系数与回归系数b的关系 二、回归直线的代表性分析 （一）总变差的分解 对每个观点都进行同样的分解,然后求和 总变差ST 回归变差，以SR表示: 表示估计值YC与平均值Y的离差平方和，它说明各个估计值 YC的变动是由于X的变动而引起的变动程度，说明SR是由X 与Y的直线回归关系引起的； 剩余变差，以SE表示 表示各观察值与估计值的离差平方和，表示各观察值Y围 绕回归直线YC=a+bX的变动程度，它是除了X对Y的线性影响 之外的一切随机因素所引起的Y的变动。 总变差（ST）=回归变差（SR）+剩余变差（SE） （二）可决系数和相关指数 回归变差占总变差的比重越大，说明观察值离回归 直线越近，用自变量X通过回归方程求得其相应YC值去估 计实际值Y就越精确，说明X与Y之间关系越密切，回归直 线的代表性越好。用以衡量X与Y之间相关关系的密切程 度以及回归直线拟合的优劣程度，称为可决系数，用R2 表示。 由比例关系可知：当X与Y完全相关时，对样本的观察值 来说，Y的实际观察值与Y的估计值是一致的，此时剩余变差 为0，可决系数