9 回归与相关20121104PPT.ppt

残差图 1、假设:H0:?=0 H1: ?≠0 ?=0.05 2、计算检验统计量 t检验 2、计算检验统计量： 3、确定P值，作出统计推论： 查t界值表，得P0.01，拒绝H0，结论与F检验相同。 四、 直线回归、相关应注意的问题 1、根据分析目的选择分析变量及分析方法作，另外回归、相关分析要有实际意义，不能把毫无关联的两种现象勉强作分析。 2、作直线回归分析前，应绘制散点图。 3、相关关系不一定是因果关系，可能仅是表面上的伴随关系，或两个变量同时受另一因素的影响 某地有风俗，每当小孩出生，均在自家庭院中种上一棵树，随着树的生长，小孩也在长高。你认为两者是什么关系？ 伴随关系 4、不能只根据相关系数绝对值的大小来推断两事物现象之间有无相关以及相关的密切程度，而必须进行相关系数的显著性检验。 5、关于相关分析的样本的合并与分层问题，应审慎对待。 当且仅当分层情形下，两变量的关系不会因为合并而被歪曲时才可考虑合并。 （b）无相关?相关 (c)相关?无相关 （d）正相关?负相关 直线回归与相关的区别和联系 一、区别： 1、资料要求不同 因变量服从正态分布---Ⅰ型回归 因变量与自变量服从双变量正态分布---Ⅱ型回归 2、r、b不同（意义、计算公式、取值范围、单位、取值大小不同） r说明具有直线关系的两变量间的相关关系的密切程度与相关方向的指标 b是指x每增减一个单位，y改变b个单位。 3、应用情况不同 4、意义不同：回归说明依存关系，相关说明互依关系。 二、联系 1、方向一致 2、假设检验等价tr=tb 3、用回归解释相关 ⑴、决定系数（coefficient of determination)r2:指回归平方和SS回占总离均差平方和SS总的比例。用于评价在y的总变异中，由线性回归方程所能解释的比例。 4、r、b可互相推导 第三节 等级相关 适用条件： 1、不服从双变量正态分布 2、总体分布型未知 3、原始数据用等级表示的资料 * 第18章 直线相关和回归 双变量计量资料：每个个体有两个变量值 总体：无限或有限对变量值 样本：从总体随机抽取的n对变量值 （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 目的：研究X和Y的数量关系 方法：回归与相关 简单、基本——直线回归、直线相关 英国人类学家 F.Galton首次在《自然遗传》一书中，提出并阐明了“相关”和“相关系数”两个概念，为相关论奠定了基础。其后，他和英国统计学家 Karl Pearson对上千个家庭的身高、臂长、拃(zha)长（伸开大拇指与中指两端的最大长度）做了测量 历史背景： 为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 结果发现：儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 。 也即高个子父代的子代在成年之后的身高平均来说不是更高，而是稍矮于其父代水平，而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton将这种趋向于种族稳定的现象称之“回归”。 第一节 直线相关 适用条件：线性、双变量正态分布资料。 相关分析是用于分析两变量间的互依关系。 直线相关（linear correlation）:是研究两个变量之间是否存在相关关系的一种统计方法。 一、线性相关的基本概念 例18-1 测得20名男生和其父亲的身高见表18-1，试绘制散点图。 编号 父高X 子高Y XY X2 Y2 1 150 159 23850 22500 25281 2 153 157 24021 23409 24649 3 155 163 25265 24025 26569 4 158 166 26228 24964 27556 5 161 169 27209 25921 58561 6 164 170 27880 26896 28900 7 165 169 27885 27225 28561 8 167 167 27889 27889 27889 9 168 169 28392 28224 28561 10 169 170 28730 28561 28900 11 170 173