6 第六天 - Review of Correlation SLR.ppt

回 归(Regression) Notes: Notes: Notes: Notes: A weak correlation does not mean that the variables in question have no relationship. Another variable may be clouding the relationship. Notes: Notes: Where did this come from? Dutch example. Storks made nests in chimneys and families with lots of children Training hours and production rate are strongly correlated. This does not imply cause and effect. Now you see why you are in Six Sigma training! Notes: There is a strong positive correlation between total sales and number of customers. Does this mean that if we increase number of customers then we increase sales? No. Correlation does not imply causation. Notes: Try using Scatterplot as well. Notes: 这个工具被用来在一组零乱的散点中绘制一条直线。输入X是独立的但可控的变量，输出Y是依赖于X的变量。回归可以给出一个预测方程式来描述X和Y之间的关系。 回归是基于线性模型。正弦和余弦为非线性模型。 线性相关性（Correlation) 它是什么? 这里的相关性研究是一种通过建立函数Y = F (X)可对两种不同计量型的变量(如压力和屈服)之间的线性关系进行测定的方法. 运用相关系数r来衡量两个变量间线性关系的强弱. 相关系数r总是在-1和 +1之间. 方针: 如 | r | 0.80, 则变量间线性相关关系比较重要. 注明：MINITAB 使用 PEARSON’S 方程式 -1.0 +1.0 0 正相关 没有相关关系 “r” 相关程度 High 负相关 为什么使用 ? 可以在不干扰流程的前提下，连续地收集有意义地数据。 与DOE人为的、有意地引入变异来研究流程不同，相关性分析将研究的流程置于自然运行状态。 相关性研究可以量化自变量和因变量的线性相关的强弱关系。 因子1 Output - Y 因子2 因子 Output - Y X X 有线性相关关系 需要进一步定量分析 没有有线性 相关关系 进行相关性分析必须具备以下条件: 输入和输出的变量都是连续型变量 输入和输出的变量按照时间顺序成对记录 一般把X称为输入变量(独立变量),把Y称为输出变量(非独立变量) X (输入) x1 x2 x3 x4 x5 x_nth Y (输出) y1 y2 y3 y4 y5 y_nth (结果) (因子) 需求和使用场合 线性相关系数计算公式: 计算值总在-1和+1之间. r为正值时,一个变量增加则另一个变量也增加. r为负值时,一个变量增加而另一个变量减少. 如|r| 0.8,代表具有强相关性. 注意: 如果r接近0,可能有非线性的强相关性存在. 相关系数 X Y R=0, 但X和Y具有相关性 以上点图的相关系数 R2 ? 0.50 为什么在计算相关系数的时候需要先观察散点图的形状 ？ 线性相关性的强弱 强 弱 正 相 关 负 相 关 根据样本对数大小(n)决定相关 (+ 或 -)而使用的意向决定点的对照表 n n 5 0.878 18 0.468 6 0.811 19 0.456 7 0.754 20 0.444 8 0.707 22 0.423 9 0.666 24 0.404 10 0.632 26 0.388 11 0.602 28 0.374 12 0.576 30 0.361 13 0.553 40 0.312 14 0.532 50 0.279 15 0.514 60 0.254 16 0.497 80 0.22 17 0.482 100 0.196 意向决定点 意向决定点 N: 样本的对数 意向决定点：统计意义上的回归系数临界点 当R意向决定点时，输入和输出变量在统计意义上存在线性相关关系 参考内容 当在Y