[经济学]第6章相关分析.pptVIP

辽宁工程技术大学软件学院 计算机网络 第九章 普通相关分析 总体相关与样本相关 偏相关 品质相关 相关分析 普通相关关系 散点图 界面解释 如果总体 服从二维正态分布 参数均未知 与 相互独立 相互独立的检验问题是： : : 设， 为 的极大似然估计值，则 ～ 于是我们可以用 统计量来完成上述假设检验： 的显著性概率(外侧概率)与显著性水平 较，判断拒绝还是接受 这是一个双尾检验问题。 ， 其中 那么 ， ， 等价于 ， 。 于是 ， 计值 用统 比 。 的值产生较大偏 分布是连续的 偏差较大 时 由于 按照公式： 在自由度为1时 ， 而这里处理的是离散问题 ， ， 所计算的统计量的值 就会与 ， 差 ， 特别是在 ， ， 需要矫正 。 给出了矫正公式 Yete ： 普通相关分析的SPSS的实现过程：Analyze菜单Correlate项中选择Bivariate或Partial或Distances命令。 品质相关分析的SPSS的实现过程：Analyze菜单Descriptive Statistics项中选择Crosstabs命令。 变量之间的相关关系 确定型的关系—函数关系 不确定型的关系—相关关系 相关分析是研究变量之间不确定关系的统计方法。 其中最为常见的是两个或多个随机变量之间的线 性相关关系。 相关关系的内容有： ★ 普通相关关系 ★ 品质相关 ★ 一、普通相关关系的种类 ★ 二、普通相关系数的种类及计算 ★ 三、普通相关系数的几何解释 ★ 五、普通相关系数的直观散点图 ★ 六、普通相关系数异于零的显著性检验 ★ 四、普通相关系数的取值范围 ★ 七、相关指数 (一)按相关程度划分 完全相关 不完全相关 不相关 (二)按相关方向划分 正相关：同方向变动 负相关：反方向变动 (三)按相关形式划分 线性相关 非线性相关 (四)按变量多少划分 单相关：两变量间的相关 复相关 偏相关 (五)按相关性质划分 真实相关 虚假相关 Kendall’s tua-b 相关系数 二、普通相关系数的种类及计算 总体相关系数 (一)积矩相关系数 样本相关系数 (参数相关) (二)等级相关系数 等级相关系数适用于顺序级和刻度级的配对样本。 (非参数相关) Spearman相关系数 (三)偏相关系数 (四)复相关系数 1.总体相关系数 2.样本相关系数 (一)积矩相关系数 适用于等间隔测度的数据或比例数据之间的线性关系的密切程度。 1.Spearman相关系数 当n﹥30时则计算统计量： (二)等级相关系数 是一种非参数测度，根据数据的秩使用Pearson相关系数公式计算的，而不是根据实际值计算的。它适合有序数据或不满足正态分布假设的等间隔数据。 2.Kendall’s tua-b 相关系数 当n﹥30时则计算统计量： V是利用变量的秩数据计算而得的非一致对数目。 (二)等级相关系数 第二中求法： 也是一种非参数测度，依然根据两个有序变量或两个秩变量间的关系程度的测度。但分析时考虑了节点，即秩次相同的点。 2.剔除了两个变量 、 的影响后，两个变量 式中， (三)偏相关系数 1.剔除了一个变量Z的影响后，两个变量X、Y间 是普通相关系数。 x、 y 之间的偏相关系数 (四)复相关系数 一个变量与多个变量之间的线性相关程度的指标。样本复相关系数的定义式如下： 图中, 三、普通相关系数的几何解释 与 即 ,表示向量 一组 角的余弦就是配对样本 的相关系数。 的模。 样本,可以视为一个向量。 相关系数为0的两个随机变量,不相关,但不 一定相互独立。 相关系数为0的两个服从正态分布的随机变量, 一定相互独立。 相互独立的随机变量间的相关系数,必然为0。 四、普通相关系数的取值范围 样本相关系数也是区间[-1,1]之间的一个量。 五、普通相关系数的直观散点图 设有配对样本观察值 与 则其直观散点图中, , 标是( )。 每个点的平面坐 散点图 散点图（Graphs Scatter） Simple：简单散点图，显示两个变量关系的图； Overlay：重叠散点图，显示多个配对变量关系的； Matrix：矩阵散点图，以矩阵形式显示多个变量之间的关系； 3-D：三维散点图，显示三个变量关系的散点图。 检验的种类 偏相关系数的检验 六、相关系数异于零的显著性检验 (一)积矩相关系数的检验 式中， 是样本容量， 是简单相关系数(Pearson) 检验统计量 ～ 积矩相关系数的检验 等级相关系数的检验 这是一个双尾检验问题 设定假设： 则拒绝 反之接受。 是剔除了的变量数， 是 式中， 是样本容量， ～ 检验统计量： (三)偏相关系数的检验 偏相关系数。 (二)等级相关系数的检验。同积矩相关系数