第16次课(3学时).docVIP

第16次课（3学时） 教学目的：通过本次课的教学，使学生了解相关与回归的概念，掌握利用相关散点图和相关系数（积差）进行相关分析的方法。 教学内容：1．相关与回归的概念 　　　　　2．相关散点图 　　　　　3．积差相关系数 教学重点：1．相关系数的计算和检验 　　　　　2．积差相关系数的计算和检验 教学难点：对相关系数的理解 教学内容的组织安排：本次课重点是要让学生掌握相关分的具体方法，因此，讲授过程中，要让学生明确相关分析有两种常用方法：相关散点图和相关系数。相关散点图只能作为定性描述，而相关系数可作为定量分析的工具相关系数有总体相关系数和样本相关系数，教学中尤其要学生分清，只有这样，后面的相关系数显著性检验内容才自然。关于相关系数的计算，只介绍计算器操作法。 开始部分： 　　总结前面学过的统计推断，都只对一个指标进行，实际问题中经常需要考虑多个指标，研究多个指标之间的关系。 第八章　　相关与回归 第一节　相关与回归的概念 一、相关 　　变量之间存在一定的关系，但不象函数关系那样研究，则称这种关系为相关关系，变量之间称为是相关的。 　　若相关关系是线性的则称变量之间线性相关。 　　例如，身高与体重（正相关）　　跳远成绩与100跑成绩（负相关） 二、回归 　　若变量之间存在相关关系，需研究其中一个变量随其它变量（或受其变量影响）的数量关系，该变量称为因变量，其它变量称为自变量，这种因变量随自变量变化的数量关系称为因变量依自变量的回归。 　　在统计上把研究变量之间相关关系的方法称为相关分析，把研究因变量受自变量影响的数量关系的方法称为回归分析。本章只介绍两个变量的线性相关和线性回归。 第二节　相关分析 　　为了研究两个变量之间的相关关系，总体是“数对（x，y）的全体”，记为（x，y），样本为（x1y1），x2，y2），……（xn，yn）现由样本推断总体。 一、相关散点图 正相关　　　　　　　　　　　　　　　完全正相关 负相关　　　　　　　　　　　　　　　完全负相关 　　相关散点图可以定性地描述相关关系，形式直观、简单，从图上，可以初步看出两变量是否（线性）相关，相关的方向和大致程度，但不能定量研究。 二、相关系数 　　用相关系数可以反映变量之间相关的方向和突出程度，总体相关系数用表示，样本相关系数用r表示。 　　（一）积差相关系数（安全性相关系数） 　　1、定义 　　设样本观测值为（x1，y1），（x2，y2），…，（xn，yn），则积差相关系数为 　　　　 其中，Lxx和Lyy分别为变量x、y的离差平方和，Lxy为x、y的离差乘积和 　　　　，， 　　　　 　　2、r与ρ之间存在差异，由抽样误差造成，抽样差的本源仍是个体之间的差异（可以举例说明）。 　　现欲推断的变量是否（线性）相关，即ρ是否为0采用假设检验方法。 　　（1）原假设H0：ρ=0 　　（2）构造并计算检验统计量r 　　（3）根据算出的r值，查“相关系数界值表”及r2(11－2)，p的大小值 　　（4）结论。 　　例8.1　为研究大学男生立定跳远与100m跑训练之间的关系，随机抽测24名大男生立定跳远和100m跑成绩（只表8.1），问对于大学生，项目成绩之间是否相关？ 序　号 立定跳远(cm) 100m跑(s) 序　号 立定跳远(cm) 100m跑(s) 1 249 13.0 13 220 13.0 2 260 12.2 14 210 14.1 3 220 13.7 15 239 13.5 4 225 13.3 16 207 14.1 5 215 14.7 17 245 12.6 6 230 13.1 18 210 14.7 7 220 14.6 19 225 13.5 8 238 12.6 20 230 12.9 9 210 15.3 21 225 12.8 10 200 15.3 22 241 12.4 11 240 12.0 23 249 13.0 12 210 14.4 24 260 12.0 解：1、H0：ρ=0 　　　　2、计算　r=－0.872 　　　　3、查表　　　　p＜0.001 结束部分 　　总结相关分析的步骤 第17次课（3课时） 教学目的：通过本次课的教学，让学生了解等级相关系数和一元线性回归方程的概念，掌握等级相关系数的计算和检验以及一元回归议程的计算和预测。 教学内容：1、等级相关系数的计算和检验 　　　　　2、一元线性回归方程的概念、计算和预测 　　　　　3、注意事项 教学重点：1、等级相关系数的计算 　　　　　2、一元线性回归方程概念 教学难题：回归预测 教学内容的组织安排： 1、等级相关系数，教学时，应让学生明确等级相关系数与积差相关系数的关系，其计算需详细讲解，检验与前面类似可面讲。 2、一元线性