《应用统计学》课件PPT-6 相关与回归分析.ppt

第六章 相关与回归分析 是一一对应的确定关系 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 各观测点落在一条线上 函数关系(几个例子) 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 相关关系(几个例子) 二、相关关系的种类 （一）按相关的程度分 1、完全相关：函数关系； 2、不相关：没有关系； 3、不完全相关。 （二）按相关的方向分 1、正相关：变量的变动方向一致（同增同减）； 2、负相关：变量的变动方向相反（一增一减）。 （三）按相关的形式分 1、线性相关； 2、非线性相关。 散点图(scatter diagram) 相关关系的类型 第六章 相关与回归分析 （四）按影响因素的多少分 1、单（简）相关：研究两个变量之间的相关关系； [例]学习成绩与学习时间；血压与年龄；亩产量与施肥量。 2、复（多元）相关：研究三或三个以上的变量的相关关系； [例]经济增长与人口增长、科技水平、自然资源、管理水平等之间的关系； 体重与身高、食欲、睡眠时间之间的关系。 3、偏相关：就多个变量测定其中两个变量的相关程度而假定其他变量不变。 [例]就y=ax1+bx2+ ?，研究y与x1之间的关系，假定x2不变。 （一）相关表 散点图 二、相关系数 (correlation coefficient) 对变量之间关系密切程度的度量。 对两个变量之间线性相关程度的度量称为简单相关系数。 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为? 若是根据样本数据计算的，则称为样本相关系数，记为 r  第六章 相关与回归分析 [简捷计算公式] [r的简捷计算式] 第六章 相关与回归分析 [例]计算过程。 第六章 相关与回归分析 [解] 第六章 相关与回归分析 问：若令人均销售额为y，利润率为x，则r的取值是否改变 ? 第六章 相关与回归分析 （四）样本相关系数的特性 1、两变量均为随机变量。 2、两变量的地位是平等的? rxy= ryx。 3、其接近于1的程度与样本容量n有关。 n?小，r ?1。特例：当n = 2时，r = 1。 [例]样本（x,y）为（6,12.6）,（1,3.0）, n = 2。 第六章 相关与回归分析 第六章 相关与回归分析 （一）概念 1、线性相关分析：计算线性相关系数 r ? 确定两变量之间的相关方向与密切程度。 [不足]无法表明两变量之间的因果关系 ? 无法从一个变量（x）的变化来推测另一个变量（y）的变化情况。 第六章 相关与回归分析 2、回归分析：通过一个（些）变量的变化解释另一变量的变化 ? y = b1 + b2x +u 、 y=ax1+bx2 。 [回归]英国生物学家 F · Galton 首次提出。 父辈身高 ? 子辈身高 x y ? y = f（x）+? ? 人类的平均身高。 （二）回归分析的种类 1、按自变量的多少分 （1）简单（一元）回归：自变量只有一个 。 [例] y = a+bx ?一元回归方程 （2）复（多元）回归：自变量为2个或2个以上。 [例] y=?0+ ?1x1+ ?2x2+…+ ?nxn 趋向中间高度的回归 回归这个术语是由英国著名统计学家Francis Galton在19世纪末期研究孩子及他们的父母的身高时提出来的。Galton发现身材高的父母，他们的孩子也高。但这些孩子平均起来并不像他们的父母那样高。对于比较矮的父母情形也类似：他们的孩子比较矮，但这些孩子的平均身高要比他们的父母的平均身高高。 Galton把这种孩子的身高向中间值靠近的趋势称之为一种回归效应，而他发展的研究两个数值变量的方法称为回归分析。 第六章 相关与回归分析 2、按回归方程式的特征分 （1）线性回归：因变量为自变量的线性函数。 [例] y = a+bx ? 一元线性回归方程※ （2）非线性回归：因变量为自变量的非线性函数。 [例] 第六章 相关与回归分析 （三）回归分析的步骤 1、确定自变量和因变量； [例]粮食产量（y） ? 施肥量（x）； 消费支出（ y ） ? 国民收入（ x ）； 火灾损失额（ y ） ? 火灾发生地与最近一个消防站之间的距离（ x ）。 2、确定样本回归方程； 3、统计检验