统计在考古学中的应用-第七讲-相关分析.pptVIP

统计学在考古中的应用 第七讲 相关分析 任何事物之间都有联系 强弱、直接间接 怎样才能发现两个变量有没有关系呢？ 最简单的直观办法就是画出它们的散点图。下面是四组数据的散点图；每一组数据表示了两个变量x和y的样本。 散点图 XY 散点图根据值序列的 X 值和 Y 值将每个值序列显示为图表空间中的数据点。 分布特征 两个变量之间的关系 相关分析和回归分析 定量变量的相关 但如何在数量上描述相关呢？ Pearson相关系数（Pearson’s correlation coefficient）又叫相关系数或线性相关系数。它一般用字母r表示。它是由两个变量的样本取值得到，这是一个描述线性相关强度的量，取值于-1和1之间。当两个变量有很强的线性相关时，相关系数接近于1（正相关）或-1（负相关），而当两个变量不那么线性相关时，相关系数就接近0。 定量变量的相关 人们可能会问，对相关的度量都是在其值接近1或-1时相关，而接近于0时不相关。到底如何才能够称为“接近”呢？ 这很难一概而论。但在计算机输出中都有和这些相关度量相应的检验和p-值；因此可以根据这些结果来判断是否相关 X的样本方差 Y的样本方差 样本协方差 近似反映X、Y联系强弱和方向 克服量纲影响 相关系数检验 H0：两变量间无直线相关关系 H1：两变量间有直线相关关系 t F n很大 一定的置信度 r大小 应用前提 线性相关 异常值的干扰 联合的双变量正态分布 回归分析 对于现实世界，不仅要知其然，而且要知其所以然。顾客对商品和服务的反映对于企业是至关重要的， 但是仅仅有满意顾客的比例是不够的；商家希望了解什么是影响顾客观点的因素，及这些因素如何起作用。 类似地，医疗卫生部门不能仅仅知道某流行病的发病率，而且想知道什么变量影响发病率，以及如何影响。 发现变量之间的统计关系，并且用此规律来帮助我们进行决策才是统计实践的最终目的。 一般来说，统计可以根据目前所拥有的信息（数据）来建立人们所关心的变量和其他有关变量的关系。这种关系一般称为模型（model）。 假如用Y表示感兴趣的变量，用X表示其他可能与Y有关的变量（X也可能是若干变量组成的向量）。则所需要的是建立一个函数关系Y=f(X)。 这里Y称为因变量或响应变量(dependent variable, response variable)，而X称为自变量，也称为解释变量或协变量(independent variable, explanatory variable, covariate)。建立这种关系的过程就叫做回归(regression)。 “回归”一词最早由Francis Galton引入。 Galton发现，虽然父母的身高对子女的身高起到决定性作用，但给定父母的身高后，他们儿女辈的平均身高却趋向于或者“回归”到社会平均水平。Galton的普遍回归定律（law of universal regression)。 Galton的朋友Karl Pearson通过收集一些家庭的1000多名成员的父子身高数据，证明儿子确实“回归到中等（regression to mediocrity)” 一旦建立了回归模型，除了对变量的关系有了进一步的定量理解之外，还可以利用该模型（函数）通过自变量对因变量做预测（prediction）。 这里所说的预测，是用已知的自变量的值通过模型对未知的因变量值进行估计；它并不一定涉及时间先后。 变量间的关系 确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的： 有50个从初中升到高中的学生。为了比较初三的成绩是否和高中的成绩相关，得到了他们在初三和高一的各科平均成绩(数据在highschool.txt)。这两个成绩的散点图展示在图中。 目前的问题是怎么判断这两个变量是否相关、如何相关及如何度量相关？ 能否以初三成绩为自变量，高一成绩为因变量来建立一个回归模型以描述这样的关系，或用于预测。 该数据中，除了初三和高一的成绩之外，还有一个定性变量（没有出现在上面的散点图中）。它是学生在高一时的家庭收入状况；它有三个水平：低、中、高，分别在数据中用1、2、3表示。 到底学生在高一的家庭收入对成绩有影响吗？是什么样的影响？ 是否可以取初三成绩（这是定量变量）或（和）家庭收入（定性变量）为自变量，而取高一成绩为因变量，来建立一个描述这些变量之间关系的回归模型呢？ 定量变量的线性回归分析 对例7.1中的两个变量的数据进行线性回归，就是要找到一条直线来适当地代表图1中的那些点的趋势。 首先需要确