第七相关分析.pptVIP

父亲们的身高与儿子们的身高之间关系的研究 1889年F.Gallton和他的朋友K.Pearson收集了上千个家庭的身高、臂长和腿长的记录 企图寻找出儿子们身高与父亲们身高之间关系的具体表现形式 下图是根据1078个家庭的调查所作的散点图（略图） 从图上虽可看出，个子高的父亲确有生出个子高的儿子的倾向，同样地，个子低的父亲确有生出个子低的儿子的倾向。得到的具体规律如下： 如此以来，高的伸进了天，低的缩入了地。他百思不得其解，同时又发现某人种的平均身高是相当稳定的。最后得到结论：儿子们的身高回复于全体男子的平均身高，即“回归”——见1889年F.Gallton的论文《普用回归定律》。 后人将此种方法普遍用于寻找变量之间的规律 回归分析法产生的历史 第七章 回归分析 通过一个变量x或一些变量(x1,x2,x3…)的变化解释另一变量y的变化。即根据相关关系的数量表达式（回归方程式）与给定的自变量x，揭示因变量y在数量上的平均变化和求得因变量的预测值的统计分析方法 回归方程 回归模型 反映自变量和因变量之间数学联系的表达式。 某一类回归方程的总称。 第七章 自变量(independent variable):解释变量，给定的或可以控制的、用来解释、预测应变量的变量。 因变量(dependent variable):响应变量，由自变量来解释其变化的变量。 X Y X Y ? ? ? ? ? ? ? ? 第七章 * * 第一节 相关分析的意义和任务 第三节 回归分析 第二节 简单线性相关分析 第四节 估计标准误差 第七章 相关分析 第七章 联系与相互影响是普遍的现象 受教育的水平 工作后的收入 预防疾病支出 疾病的发病率 事物相互间关系的质的解释：自然的、社会的、经济的、心理的… 事物相互间关系的量的分析：两变量或多变量间的数量关系。在可以解释的质的关系基础上进行相关分析和回归分析 第七章 一、相关分析的意义 第一节 相关分析的意义与任务 社会经济现象中，一些现象与另一些现象之间往往存在着依存关系，当我们用变量来反映这些现象的的特征时，便表现为变量之间的依存关系。 在分析变量的依存关系时，我们把变量分为两种： 自变量 因变量 引起其他变量发生变化的量。 受自变量的影响发生对应变化的量 第七章 现象之间的相互关系，可以概括为两种不同的类型： （一）函数关系 （二）相关关系 例如：家庭收入决定消费支出，收入的变化必然引起消费支出的变化，这两个变量中收入是自变量，而消费支出则是因变量。 一、相关分析的意义 第七章 函数关系 指变量之间存在着确定性依存关系。即当一个或一组变量每取一个值时，相应的另一个变量必然有一个确定值与之对应 。 函数关系可以用一个确定的公式，即函数式 来表示。 或：Y=F（X） 第七章 相关关系 指变量之间存在着非确定性依存关系。即当一个或一组变量每取一个值时，相应的另一个变量可能有多个不同值与之对应 。 例2、根据消费理论，商品需求量Q与商品价格P、居民收入I之间具有相关关系： 相关关系可用统计模型： 或：Y=F（X）+ε 式中， ε为影响Y的除X外的其他随机因素。 第七章 单相关 是两个变量之间存在的相关关系，即一个因变量与一个自变量之间的依存关系。因此也称为一元相关。 复相关 也称多元相关，是指三个或三个以上变量之间存在的相关关系，通常涉及一个因变量与两个或更多个自变量，也称多元相关。 二、相关关系的种类： 1、按相关关系涉及变量的多少可分为： 第七章 直线相关 当自变量X值每变动一个单位，因变量Y值则随之发生大致均等的变动，这就是直线相关。亦称为简单线性相关或一元线性相关。 曲线相关 当自变量X值每变动一个单位，因变量Y值则随之发生不均等的变化，这就是曲线相关。亦称为一元非线性相关 。 二、相关关系的种类： 2、按相关关系表现形式可分为： 第七章 正相关 当自变量X值增加（或减少）时，因变量Y值也随之增加（或减少），这样的相关关系就是正相关，也叫同向相关。 负相关 当自变量X的值增加（或减少）时，因变量Y的值随之而减少（或增加），这样的相关关系就是负相关，也叫异向相关。 二、相关关系的种类： 3、按相关的方向可分为： 第七章 线性正相关 第七章 线性负相关 非线性负相关 第七章 无（不）相关 第七章 二、相关关系的种类： 4、按相关关系的密切程度分为： 完全相关 因变量完全随自变量变动而变动，存在着严格的依存关系。即变量间的关系为函数关系。 不完全相关 变量之间存在着不严格的依存关系，即因变量的变动除了受自变量变动