07第七章 相关分析.pptVIP

第七章 相关分析 第一节 相关分析的意义和任务 第二节 简单线性相关分析 一、相关关系的概念 例：圆的面积与半径 收入与支出 ２．相关关系的主要特点 （1）相关关系表现为数量上的依存关系 （2）现象之间数量依存关系的具体关系值不是固定的。 二、相关关系的种类 ㈠根据因素的多少划分 ⒈单相关：两个变量间的相关关系。 ⒉复相关：多个变量间的相关关系。 ㈢根据相关关系的方向划分 ⒈正相关：两个变量变化方向一致 ⒉负相关：两个变量变化趋势相反 一、相关图和相关表 （一）相关表　例p338 表7－2 （二）相关图 例p338 图7－2 ②从“插入”菜单中选择“图表”选项，打开“图表向导”对话框如下图所示。在“图表类型”列表中选择XY散点图，单击“下一步”按钮。 ③在数据区域中输入B3:C10，选择“系列产生在—列”，如下图所示，单击“下一步”按钮。 ④打开“图例”页面，取消图例，省略标题，如下图所示。 ⑤单击“完成”按钮，便得到XY散点图如下图所示。 Excel演示操作步骤 ⒈选取“工具”-“数据分析” ⒉选“相关系数” ⒊选“确定” ⒋输入“输入区域” ⒌输入“输出区域” ⒍在“分组方式”中选“逐列” ⒎选“标志位于第一行” ⒏确定 出现结果如下： 三、相关系数的密切程度 相关系数的范围在-1到1之间，即-1≤r≤1, 当r=1为完全正相关， r=-1,为完全负相关， r=0为不相关。 r的绝对值范围在 0.3-0.5是低度相关; 0.5-0.8是显著相关; 0.8以上是高度相关. 回归分析:就是对具有相关关系的变量之间的数量关系进行测定,确定一个相应的数学表达式。 回归分析的种类： ⒈按自变量x的多少，可以分为一元回归和多元回归； ⒉按y与x曲线的形式，可以分为直线回归和曲线回归。 一、简单直线回归 ㈠简单直线回归分析的特点 （1）在两个变量之间，必须确定哪个是自变量（x），哪个是因变量(y) （2）在两个现象互为根据的情况下，可以有两个方程。 （3）回归方程的主要作用是用自变量来推算因变量。 1.基本方法：设y为实际值，yc为估计值，现在要用一条直线 拟合实际值 。 ⑴列表计算： ⑵添加趋势线 ① 用鼠标激活散点图，把鼠标放在任一数据点上，单击鼠标右键，打开菜单，在菜单栏里选择“添加趋势线”选项。 ②打开“类型”页面，选择“线性”选项，Excel将显示一条拟合数据点的直线。 ③打开“选项”页面如下图所示，在对话框下部选择“显示公式”和“显示R平方根”选项，单击“确定”按钮，便得到回归图如下图所示。 （3）回归分析工具 第一步：打开“工具”菜单，选择“数据分析”选项，选择“回归” 第二步：输入x值，y值。选择“标志”，输入“输出区域”，单击确定 第三步：得到回归结果 **回归分析工具的输出解释 Excel的回归分析工具计算简便,但内容丰富， 计算结果共分为三个模块： 回归统计表 方差分析表 回归参数 回归统计表包括以下几部分内容： Multiple R（相关系数R）：R2的平方根，又称为相关系数，它用来衡量变量x和y之间相关程度的大小。 上例中：R为0.9697，表示二者之间的关系是高度正相关。 R Square(判定系数R2 )：用来说明用自变量解释因变量变差的程度，以测量同因变量y的拟合效果。 上例中：判定系数为0.9403，表明用自变量可解释因变量变差的94.03%。 Adjusted R Square (调整判定系数R2)：仅用于多元回归才有意义，它用于衡量加入独立变量后模型的拟合程度。当有新的独立变量加入后，即使这一变量同因变量之间不相关，未经修正的R2也要增大，修正的R2仅用于比较含有同一个因变量的各种模型。 标准误差：又称为标准回归误差或叫估计标准误差，它用来衡量拟合程度的大小，也用于计算与回归有关的其他统计量，此值越小，说明拟合程度越好。 观测值：是指用于估计回归方程的数据的观测值个数。 ⑵ 方差分析表 方差分析表的主要作用是通过F检验来判断回归模型的回归效果。 Intercept：截距β0 第二、三行：β0(截距) 和β1(斜率)的各项指标。 第二列：回归系数β0(截距)和β1(斜率)的值。 第三列：回归系数的标准误差 第四列：根据原假设Ho：β0=β1=0计算的样本 统计量t的值。 第五列：各个回归系数的p值(双侧) 第六列：β0和β1 95%的置信区间的上下限。 （三）判定系数 二、