统计学（本科）教学课件第九章相关分析和回归分析.ppt

第九章 相关分析和回归分析 第一节 相关分析 第二节 回归分析 第一节 相关分析 一、相关关系的含义 客观世界中，任何事物或现象都不是孤立存在的，它总是和其他事物或现象相互联系、相互制约的，事物之间的依存关系，根据其相互依存和制约的程度不同可以概括为以下两种：确定性的数量关系（函数关系）和随机性的数量关系（相关关系）： 1.确定性的数量关系 确定性的数量关系又叫函数关系，它反映了事物之间存在着严格的一一对应的数量依存和制约关系。在这种关系体中，对于某一事物变量(自变量)的每一个变动值，都有另一事物变量(因变量)的确定的变动值与之相对应。并且这种对应关系可以用严密的数学表达式加以描述。 2.随机性的数量关系 随机性的数量关系反映现象之间存在着并不十分严格的数量对应关系。即在这种关系体中，当一种现象(自变量)发生数量变化时，另一种现象(因变量)也相应地发生数量变化，但其数值的变化不唯一确定。 统计学上，把现象之间客观存在而又不确定的数量依存关系称为相关关系。 这种相关关系存在两个明显的特点： 一是现象之间确实存在着数量上的依存关系； 二是现象之间的数量关系是不确定的。 二、相关关系的类型 对现象间存在的相关关系可从不同角度进行分类: 1.按相关因素多少分为单相关和复相关； 2.按相关的表现形式分为线性相关和非线性相关； 3.按相关的方向分为正相关和负相关； 4.按相关的程度分为完全相关、不相关和不完全相关； 三、相关关系的判断 (一)定性判断 通过对这种质的规定性的认识，即定性认识，来判断一个事物与其他事物之间有没有联系，以及存在何种类型的联系。 （二）相关表 将相关变量的观察值依次对应排列而形成的统计表称为相关表。 1.简单相关表 2.分组相关表 （三）相关图 （四）相关系数 四、相关分析的主要内容 (1)分析现象之间是否存在相关关系并确定其相关形式； (2)研究现象间相关关系的密切程度； (3)建立回归模型； (4)分析因变量估计值误差的程度； 第二节 回归分析 一、回归分析的概念 回归分析是指对具有相关关系的现象，根据其相关形态，选择一个合适的数学模型(回归方程)，用来近似地表示两个变量之间平均变化关系，并利用这种关系进行推算和预测的一种统计分析方法。 二、回归分析与相关分析的关系 1.两者的区别 (1)相关分析的两个变量的地位对等，不做因果变量区分。而回归分析则必须要确定自变量和因变量。 (2)相关分析对两个变量x与y只能计算一个相关系数。而回归分析以x为自变量，y为因变量, 可以建立两个不同的回归方程。 (3)相关分析涉及的两个变量都是随机变量。而在回归分析的两个变量中，自变量是给定的，因变量则是随机的。 2.两者的联系 (1)相关分析是回归分析的基础。只有通过相关分析，在确认两变量之间有较高的相关程度之后，才可以进行回归分析。 (2)回归分析是相关分析的延续。相关分析仅仅帮助我们认识了两变量之间的相关方向和程度。而回归分析则是在此基础上将两变量相关关系的方向和形态，以近似的数学模型描绘出来，然后用此模型指导我们进行回归预测。 三、一元线性回归分析 一元线性回归模型是根据两变量的相关方向和线性形态拟合地反映两个变量之间平均变化关系的标准直线。当两变量之间为单向因果关系时，线性回归模型为=a+bx；当两变量之间互为因果关系时，线性回归模型有两个：一是yx型，即=a+bx；另一是xy型，即=c+dy。 步骤 （一）建立回归方程； （二）利用回归方程进行预测； （三）估计标准误差；