应用统计-12.pptVIP

第十二章 相关分析 一、基本问题 二、相关系数 三、回归方程 不同原因引起的寿命损失 一、基本问题 经济现象与许多自然现象、社会现象一样，普遍存在着现象之间的相互联系或关系。亩产水平与施肥数量，利润额与销售额，销售额与广告费支出、营业网点数，它们之间无不存在着一定的互动联系或共变关系。 相关分析，正是分析和研究这类两个变量、两个以上变量之间的联系或关系的统计方法。 相关分析的基本问题包括：相关关系概念、相关关系类型及相关分析任务。 函数关系、相关关系 函数关系：变量间一一对应的确定性依存关系 相关关系：变量间非一一对应的非确定性依存关系 相关关系类型 相关分析任务 对经济、管理现象之间相关关系的统计研究，主要解决两方面问题，或完成两方面任务： 其一，测定相关关系的密切程度，一般称为相关分析（以计算相关系数为中心）； 其二，揭示相关变量的互动规律，一般称为回归分析（以建立回归方程为中心）。 二、相关系数 相关系数是在直线相关条件下，用来测定两个变量之间相关关系密切程度的统计指标。它是由两个变量(x、y)的协方差、变量(x)的标准差和变量(y)的标准差三个指标结合而生成的。其定义公式为： 式中，协方差为： 相关系数计算公式 运用定义公式，对实际观察数据计算相关系数，计算过程及计算量较为繁杂。为简化计算，可从定义公式推导出便于计算的简捷计算公式: 相关系数举例 相关关系计算结果 根据相关系数的计算公式，有 人均国民收入与人均消费金额之间的相关系数为 0.9987。 相关系数取值及其意义 r 的取值范围是 [-1,1] |r|=1， 为完全相关 （函数关系） r =1， 为完全正相关 r =-1， 为完全负相关 r = 0， 不存在线性相关关系 -1?r0，为负相关 0r?1， 为正相关 |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 相关系数显著性检验 检验两个变量之间是否存在线性相关关系（总体相关系数是否为零） 采用 t 检验 检验步骤---- 1）提出假设 H0：? ? ? ； H1：? ? 0 2）计算检验统计量 t 3）确定显著性水平?，并作出决策 若?t? t???，拒绝H0 若?t? t???，接受H0 相关系数检验举例 对前例计算的相关系数进行显著性检 (??0.05)： H0：? ? ? ； H1：? ? 0 检验统计量 根据显著性水平 ?＝0.05，查t分布表得t???(n-2)=2.201 由于?t?=64.9809t???(13-2)=2.201，拒绝H0，人均消费金额与人均国民收入之间的相关关系显著。 等级相关系数 相关系数可以对基数资料(定距、定比数据)计算，也可以对序数资料(定序数据)计算。 两个消费者对同一品种10个牌号的某商品进行质量评价，很难具体给出各牌号商品质量的评分(基数)，但较易排出它们的顺序或名次(序数)。还有才智高低、色泽深浅、事态轻重，皆难定出数值之差而易明确等级之别。而且，基数资料的数列也可转换为序数资料的数列。 测定序数资料之间的相关关系的密切程度，可按斯皮尔曼(Spearman)公式，计算等级相关系数： 等级相关系数举例 某银行委派两位专家对十家申请贷款的企业进行偿债能力调查，由专家给它们排序，排序结果如右表所示。两位专家的排序意见是否正相关？ 解上例 将前表数据代入斯皮尔曼等级相关系数公式，得 计算结果表明：两位专家的排序意见具有较高的正相关程度，也即两位专家的评估意见基本相同。 三、回归方程 前例计算结果r=0.9987，仅表明人均国民收入与人均消费金额之间存在高度正相关关系，但未指出两者互动的具体数量关系。 回归方程正是对变量之间互动规律的具体模式的量化描述，是对变量之间互动关系进行定量描述的一种数学表达式。 运用回归方程开展回归分析的第一步，就是依据研究者的专业知识和经验，借助散点图等方法，对被研究问题的数据进行分析研究，为之选配恰当的回归方程。可供选择的回归方程有---- 回归方程类型 回归方程选配 对前例资料，选配一元线性回归方程较为合适，即 对右表数据，选配一元非线性回归方程（该例为双曲线方程）较为合适，即 回归方程估计 对前例人均消费金额与人均国民收入的回归方程，按最小平方法求解该方程中的两个参数，得 即， = 54.22286 + 0.52638 x 回归方程图示 回归系数 线性回归方程中的参数β1称为回归系数，它表示X变量变动一个单位时，Y变量平均变动β1个单位。 前例β1=0.52638表示：人均国民收入每增长1元，人均消费金额平均增长0.52638元。 麦