第7章 节 相关分析 统计学.pptVIP

从单变量分组表配合回归直线： 简单直线回归分析的主要特点： 1.直线回归分析时，要根据研究目的，在两个变量之间确定哪个是自变量，哪个是因变量。 2.在两个现象互为根据的情况下，可以有两个回归方程： yc=a+bx 称y倚x回归直线 xc=c+dy 称x倚y回归直线 (二) 多元线性回归分析 　　多元线性回归分析可以看作是一元线性回归分析的扩展。现以二元线性回归模型进行回归分析，其方程式为： 以我国1973－1983年11年手表价格和手表销售量的实际资料为例，拟合一元线性回归方程为： yc= 9643 - 65x 此时，回归系数b表明，手表平均价格每降低1元/只，销售量约平均增长65万只。一元线性回归模型只列入了手表平均价格对销售量的影响，而忽略了居民收入这一很重要的因素，因此，现对此资料补入同期居民人均货币收入资料，将原来的一元线性回归模型扩展为二元线性回归模型进行回归分析。 例 列成计算表如下： 年份 (n=11) 手表销售量y(万只) 人均货币收入x1(元) 手表平均价格x2(元/只) x1y x2y x1x2 1973 650.4 102.1 134 66405.84 87153.6 13681.4 1974 758.4 105.3 134 79859.52 101625.6 14110.2 1975 819.9 110.1 129 90270.99 105767.1 14202.9 1976 1051.7 113.9 131 119788.63 137772.7 14920.9 1977 1149.7 120.4 127 148423.88 146011.9 15290.8 1978 1388.1 131.0 125 181841.10 173512.5 16375.0 1979 1944.4 157.0 123 305270.80 239161.2 19311.0 1980 2534.0 193.5 123 490329.00 311682.0 23800.5 1981 2890.0 210.2 114 607478.00 329460.0 23962.8 1982 3576.0 228.7 89 817831.20 318264.0 20354.3 1983 3898.0 258.7 86 1008412.60 335228.0 22248.2 合计 20660.6 1730.9 1315 3905911.56 2285638.6 198258.0 年份 (n=11) 1973 10 424.41 17 956 1974 11 088.09 17 956 1975 12 122.01 16 641 1976 12 973.21 17 161 1977 14 496.16 16 129 1978 17 161.00 15 625 1979 24 649.00 15 129 1980 37 442.25 15 129 1981 44 184.04 12 996 1982 52 303.69 7 921 1983 66 925.69 7 396 合计 303 769.55 160 039 续表 　　b1表明在手表平均价格固定时，人均货币收入每增加１元，手表销售量平均增长18.6368万只； 　　b2表明在人均货币收入固定时，手表平均价格每上升１元/只，手表销售量平均减少8.0328万只。 　　这里的b2比原一元线性回归模型中的同一回归系数b=-65要大得多，是因为一元线性回归模型只列入了手表平均价格对销售量的影响而忽略了居民收入这一很重要的因素，在手表平均价格的影响中渗入了居民收入的影响。 上面的方法推广到多个自变量，其回归方程为： * * 第七章 相关分析 第一节 相关分析的意义和任务 一、相关关系的概念(注意相关关系与函数关系的区别) (一) 函数关系 它反映着现象之间存在着严格的依存关系，也就是具有确定性的对应关系，这种关系可用一个数学表达式反映出来。 (二) 相关关系 它反映着现象之间的数量上不严格的依存关系，也就是说两者之间不具有确定性的对应关系. 在具有相互依存关系的两个变量中，作为根据的变量称自变量，一般用X表示；发生对应变化的变量称因变量，一般用y表示。而且根据研究的目的，自变量与因变量之间可以互相调换。 二、相关关系的种类 3. 按相关关系的形式来分，可分为： 直线相关和曲线相关 4. 按相关程度分，可分为： 完全相关、不完全相关和不相关 完全相关就是相关现象之间的关系是完全确定的关系，因而完全相关关系就是函数