ch8相关与回归分析PPT.ppt

ch6 相关与回归分析 为什么要检验？ 样本相关系数是随抽样而变动的随机变量,相关系数的统计显著性还有待检验。 检验的依据： 如果 X 和 Y 都服从正态分布，在总体相关系数 的假设下，与样本相关系数 r有关的 t统计量服从自由度为 n-2 的 t 分布： 四、相关系数的检验 2 1.给定显著性水平 2.查自由度为 n-2 的临界值 3.判断： 若 ，表明相关系数r在统计上是 显著的，应否定 而接受 的假设； 若 ，应接受 的假设。 相关系数的检验步骤 应用相关系数时应注意的问题 1．样本相关系数与总体相关系数间存在抽样误差，所以求得样本相关系数后应进行假设检验。 2．有相关关系不等于有因果关系。有无因果关系还需结合专业知识进一步研究。 3．在实际工作中要区别相关的统计学意义与相关强度。相关有统计学意义指该样本相关系数r来自ρ=0的总体概率很小，而相关强度表示两变量间相互关系的密切程度，用值的大小来反映。 第三节 简单线性回归模型的建立及检验 一、总体回归函数与样本回归函数 二、回归系数的估计 三、简单线性回归模型的检验 四、简单线性回归模型预测 一、总体回归函数与样本回归函数 总体回归函数 样本回归函数 样本回归函数与总体回归函数的关系 1.总体回归函数（PRF） μi是可正可负的随机变量 2.样本回归函数（SRF） 3.样本回归函数与总体回归函数的关系 相互联系 相互区别 1.样本回归函数的函数形式应与设定的总体回归函数的函数形式一致 。 2. 和 是对总体回归函数参数的估计。 3. y 是对总体 Y 的估计。 4.残差 e 在概念上类似总体回归函数中的随机误差u。 联系 回归分析的目的： 用样本回归函数去估计总体回归函数。 * 资 料 据世界卫生组织统计，全球肥胖症患者达3亿人，其中儿童占2200万人，11亿人体重过重。肥胖症和体重超常早已不是发达国家的“专利”，已遍及五大洲。目前，全球因”吃”致病乃至死亡的人数已高于因饥饿死亡的人数。 (引自《光明日报》刘军/文） 结论：全球吃死的人比饿死的人多 ？ 肥胖症、体重超常与死亡人数真有显著的数量关系吗? 类似的事例很多，比如 …… 这些类型的问题可以运用相关分析与回归分析的方法去解决。 思考 本章主要内容 第一节 相关和回归的基本概念 第二节 简单线性相关系数及检验 第三节 简单线性回归模型的建立及检验 第四节 应用时应注意的问题 习题讲解 一、变量间的相互关系 二、相关关系的类型 三、相关分析与回归分析的关系 四、相关分析与回归分析的内容 第一节 相关和回归的基本概念 1.从涉及的变量数量看 二、相关关系的类型 简单相关 多重相关（复相关） 2.从变量相关关系的表现形式看 线性相关——散点图接近一条直线 非线性相关——散点图接近一条曲线 线性相关 非线性相关 3.从变量相关关系的方向看 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） 完全相关 ——函数关系 不完全相关 不相关——如下图 4.从变量相关的程度看分三种： 1.回归的古典含义 2.回归的现代含义 3.相关分析与回归分析的关系 三、相关分析与回归分析的关系 1.回归的古典含义 无论高个子或低个子的父母，其子女都有向人的 平均身高 回归的趋势。 高尔顿遗传学的回归概念 父母身高与子女身高的关系: 2.回归的现代意义 一个因变量对若干解释变量依存关系的研究。 回归的目的（实质）： 由固定的自变量去估计因变量的平均值。 样本 总体 自变量固定值 估计因变量平均值 3.相关分析与回归分析的关系 共同的研究对象：都是对变量间相关关系的分析。 ●只有当变量间存在相关关系时，用回归分析去寻求相关的具体数学形式才有实际意义。 ●相关分析只表明变量间相关关系的性质和程度，要确定变量间相关的具体数学形式要依赖于回归分析。 ● 相关分析中相关系数的确定是建立回归分析的基础。 如两个变量分别用 x、y 来表示： 相关分析 回归分析 1 2 3 X y是对等关系，不区分自变量和因变量。 对xy只能计算出一个相关系数。 X y都是随机变量。 首先确定因变量、自变量。 以x或y为因变量，回归方程是不同的。 自变量是可以控制的，因变量是随机的