相关分析概念.docVIP

变量间的相互关系 ◆确定性的函数关系 Y=f (X)　　　　对应回归分析 当一个或几个变量取一定的值时，另一个变量有确定值与之相对应，我们称这种关系为确定性的函数关系。 （1）是一一对应的确定关系 （2）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 （3）各观测点落在一条线上 ◆不确定性的统计关系—相关关系 　　　　　对应相关分析 Y= f（X）+ε (ε为随机变量) 当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。 　　　现象之间客观存在的不严格、不确定的数量依存关系。 （1）变量间关系不能用函数关系精确表达； （2）一个变量的取值不能由另一个变量唯一确定； （3）当变量 x 取某个值时，变量 y 的取值可能有几个； （4）各观测点分布在直线周围。 ◆没有关系 ?●从涉及的变量数量看 简单相关 多重相关（复相关） ●???? 从变量相关关系的表现形式看 线性相关——散布图接近一条直线 非线性相关——散布图接近一条曲线 ●???? 从变量相关关系变化的方向看 正相关——变量同方向变化，同增同减 负相关——变量反方向变化，一增一减 使用相关系数时应注意: ?●X和Y 都是相互对称的随机变量， ●?线性相关系数只反映变量间的线性相关程度，不能说明非线性相关关系 ●?样本相关系数是总体相关系数的样本估计值，由于抽样波动，样本相关系数是个随机变量，其统计显著性有待检验 ●?相关系数只能反映线性相关程度，不能确定因果关系，不能说明相关关系具体接近哪条直线 相关分析：就是用一个指标来表明现象间相互依存关系的密切程度。广义的相关分析包括相关关系的分析（狭义的相关分析）和回归分析。 回归分析：是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似地表达变量间的平均变化关系的一种统计分析方法。 相关分析与回归分析的区别 1.在相关分析中，不必确定自变量和因变量；而在回归分析中，必须事先确定哪个为自变量，哪个为因变量，而且只能从自变量去推测因变量，而不能从因变量去推断自变量。 2.相关分析不能指出变量间相互关系的具体形式；而回归分析能确切的指出变量之间相互关系的具体形式，它可根据回归模型从已知量估计和预测未知量。 3.相关分析所涉及的变量一般都是随机变量，而回归分析中因变量是随机的，自变量则作为研究时给定的非随机变量。 相关分析与回归分析的联系 相关分析和回归分析有着密切的联系，它们不仅具有共同的研究对象，而且在具体应用时，常常必须互相补充。相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。 简单说：1、相关分析是回归分析的基础和前提；2、回归分析是相关分析的深入和继续。 相关图：又称散点图。将x置于横轴上，y置于纵轴上，将（x,y）绘于坐标图上。用来反映两变量之间相关关系的图形。 简单相关系数：在线性条件下说明两个变量之间相关关系密切程度的统计分析指标，简称相关系数。 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 总体相关系数的定义式是： ρ＝　　　　 　（7.1） 式中，Cov（X，Y）是变量X和Y的协方差； Var(X)和Var(Y)分别为变量X和Y的方差。 总体相关系数是反映两变量之间线性相关程度的一种特征值， 表现为一个常数。 样本相关系数的定义公式是：　 　（7.2） 上式中，和分别是Ｘ和Ｙ的样本平均数。 样本相关系数是根据样本观测值计算的，抽取的样本不同， 其具体的数值也会有所差异。 容易证明，样本相关系数是总体相关系数的一致估计量。 相关系数的特点： 1.ｒ的取值介于－１与１之间， r 的取值范围是 [-1,1] 2.在大多数情况下，０＜|ｒ|＜１，即Ｘ与Ｙ的样本观测值之间存在着一定的线性关系，当ｒ＞０时，Ｘ与Ｙ为正相关，当ｒ＜０时，Ｘ与Ｙ为负相关。 |ｒ|的数值愈接近于1，表示x与y直线相关程度愈高；反之， |ｒ|的数值愈接近于0，表示x与y直线相关程度愈低。通常判