Unit-4分析 4.9 相关回归.ppt

分析路线图(单一 X ：单一 Y) 相关（Correlation）：是什么？ “相关”为什么如此重要 ？ 你是否经历过测量某些产品合格后送给顾客，但他们 告诉你你的产品不符合规格？ 在奥运会滑冰比赛上，你认为两个裁判成绩的相关性 有多高？ “+” 相关的强度与趋向 “-” 负相关的强度与趋向 相关系数(r) 的确认 有几种方法可以决定 r 值 相关研究 拟合直线图 回归分析 让我们一一探讨各个方法 相关性分析 打开文件 Correlation.MPJ 中的工作表 Correlation Example 依据产品特性，确定 Customer 与 Supplier 之间的相关性 结果显示在对话窗中 注意，我们得到相关系数及P值 你对 Supplier 和 Customer 之间的关系有何见解? r 应该多大? r 应该多大？ 勿需担心此表，Minitab 可以帮助我们 在 “相关” 程序中选取 ‘显示 p 值’ 选项， Minitab 将会显示是否显著 寻找比 0.05 小的 p-值 在1930 – 1936 年间，曾有人跟踪德国城镇 Oldenburg 的人口与鹳鸟数量之间的关系 结果如下(人口以千为单位) 拟合直线图 我也想对相关性进行检验，并观察线性关系和数据点的之间的拟合性 使用 Fitted Line Plot 选项来看此关系 拟合直线图 拟合直线图：预测带 小测验 1) 下列哪组数据适于应用相关和回归分析？ 顾客类型与销售量 顾客大小与利润 月与库存 2) 解释下页图表的意义 A) Wet_pu 与sl_vi 之间有无关系 B) 其关系为正向还是负向？ C) 若sl_vi 为 47.3 ，预测 Wet_pu 的值为多少？ 3) 是/非：若能确立 X 与 Y间的相关性，我就可以认为 Y 的变化是由 X 所引起的？ 陈述因果关系应该小心 即使我们建立了 y 与 x 的相关性，但并不能代表 x 的变异将一定导致 y 的变异。 其他潜在的变量，可能造成 x 与 y 的改变。 R2 ：值大小应为多少 ? 视分析对象而定… 就像安全系统或文件夹 例如，排放废气系统实验的结果将送交交通部审查，你的数值应该“好”到什么程度？ 不同的课题决定不同的决策标准 (通常为 +60%)。我们必须认识到 R2 越高相关性就越强。 还记得 ANOVA 及我们对 X 显著性的看法吗？ 区分变异的来源 生产周期的所有变异 周间的变异 周內的变异 = + 对CycleTim的方差分析 来源 自由度 SS MS F P Week 3 1032.48 344.16 299.38 0.000 Error 96 110.36 1.15 Total 99 1142.84 SS 或 Sum of the Squares 将数据的变异量化 通过计算 Epsilon2 值，来检验X 实际的显著性 此值告诉我们有多少总变异可被 X 所解释 Epsilon 2 = = = 90.34% SS for X 1032.48 SS Total 1142.84 还记得 ANOVA 及我们对 X 显著性的看法吗？ ANOVA 与回归有什么关系？ SSE （ Sum of Squares due to the Error ） 目标：最小化此值 SST （ Sum of Squares Total ） SSR （Sum of Squares due to the Regression） 总变异 = 群内变异 + 群间变异 解释时，请使用可靠的判断 理解R2 R-Squared .80 相关可能显著 R-Squared .50 且 .80 需要判断 R-Squared .50 相关可能不显著 0 1 相关可能不显著 0.8 0.5 相关可能显著 需要判断 即:有多少比率的 Y 变异可归因于与 X 的关系 Speed Distance RESI1 FITS1 336 325 -17.8392 342.839 残差与拟合值: 它们是什么？ 拟合线 336 325 实际数据点 残留距离 (-17.8392) 理论点 Speed Distance RESI1 FITS1 336 325 -17.8392 342.839 418 375 -6.8948 381.895 355 367 15.1113 351.889 445 385 -9.7546 394.755 365 375 18.34