[小学教育]统计学 第六章 相关与回归分析.pptVIP

* 相关系数的显著性检验 提出假设：H0：? ? ? ； H1： ? ? 0 计算检验统计量 根据显著性水平?＝0.05，查t分布表得临界值 t???(n-2)=t0.025(5-2)=3.1824 由于?t?=5.3099t0.025(5-2)=3.1824，所以拒绝H0，接受H1，即说明居民人均收入与商品销售额之间的相关关系显著。 ⑵求一元线性回归方程，解释回归系数的意义 的含义是人均收入每增加1元，商品销售额平均增加约0.6万元。 ⑶计算判定系数，并解释其意义 r2＝(0.9507)2＝0.9038 说明在商品销售额的总变差中有90.38％可以由人均收入与商品销售额之间的线性关系来解释，或者说，在商品销售额取值的变动中，有90.38%是由人均收入所决定的。说明二者之间有较强的线性关系。 ⑷计算估计标准误差 说明根据人均收入预测商品销售额时，平均的预测误差为1.387百万元。 ⑸检验回归系数的显著性(α=0.05) 提出假设 H0：b1 = 0 人均收入与商品销售额之间无线性关系 H1：b1 ? 0 人均收入与商品销售额之间有线性关系 计算检验的统计量 t=4.4789t0.025(5-2)=3.1824 ，拒绝H0，接受H1，表明人均收入与商品销售额之间有线性关系 ⑹估计人均收入为40百元时商品销售额95%的置信区间和预测区间 t???(5-2)＝ t0.025(3) =3.1824 置信区间： 人均收入为4000元时商品销售额平均值95%的置信区间为区间为1711～2337万元。 预测区间： 人均收入为4000元的年份商品销售额95％的预测区间为1422～2626万元。 练习题：以下为10家商店销售额和利润率的资料 编号 每人月平均销售额(千元) 利润率(%) 1 2 3 4 5 6 7 8 9 10 6 5 8 1 4 7 6 3 3 7 12.6 10.4 18.5 3 8.1 16.3 12.3 6.2 6.6 16.8 要求根据上述资料 ⑴计算两变量的相关系数，并进行显著性检验(α=0.05) ⑵求出估计的一元线性回归方程，并解释回归系数的意义 ⑶计算判定系数，并解释其意义 ⑷计算估计标准误差 ⑸检验回归系数的显著性(α=0.05) ⑹估计月平均每人销售额为5000元时利润率95%的置信区间和预测区间 * * * * * * * * R＝0.98 * R＝0.63 * * * * * 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. * * * * * * * * * * 3.相关系数取值及其意义 （1） r 的取值范围是 [-1,1] （2）|r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 （3） r = 0，不存在线性相关关系 （4）-1?r0，为负相关；0r?1，为正相关 （5）|r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 4.相关程度评价标准 0| r |≤0.3为微弱相关 0.3| r |≤0.5为低度相关 0.5| r |≤0.8为显著相关 0.8| r |≤1为高度相关 三、相关分析与回归分析 （一）概念： 1.相关分析 就是用一个指标来表明现象间相互依存关系的密切程度。 广义的相关分析包括相关关系的分析（狭义的相关分析）和回归分析。 2.回归分析 是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），来近似地表达变量间的平均变化关系的一种统计分析方法。 （1）在相关分析中，不必确定自变量和因变量；而在回归分析中，必须事先确定哪个为自变量，哪个为因变量，而且只能从自变量去推测因变量，而不能从因变量去推断自变量。 （2）相关分析不能指出变量间相互关系的具体形式；而回归分析能确切的指出变量之间相互关系的具体形式。 （二）相关分析与回归分析的关系 1.区别 它们不仅具有共同的研究对象，而且在具体应用 时，常常必须互相补充。 相关分析需要依靠回归分析来表明现象数量相关 的具体形式，而回归分析则需要依靠相关分析来 表明现象数量变化的相关程度。 只有当变量之间存在着高度相关时，进行回归分 析寻求其相关的具体形式才有意义。 简单说：1、相关分析是回归分析的基础和前 提；2、回归分析是相关分析的深入和继续。 2.联系 第二节 一元线性回归分析 一、一元线性回归的基本问题 （一）回归的来源 “回归”这个统计学术语，最早采用者