第六章 相关和回归5.13PPT.ppt

区别 ①相关分析所研究的变量是对等关系；回归分析所研究的两个变量不是对等关系。 ②对两个变量来说，相关分析只能计算出一个相关系数，而回归分析，可分别建立两个不同的回归方程。 ③相关分析要求两个变量都必须是随机的，而回归分析的要求，自变量是给定的，因变量是随机的。 一、直线回归的模型 一元线性回归模型是最简单的回归模型，又称为简单线性回归或简单回归：只有一个自变量的直线回归。 在一元线性回归模型中，X为可以精确测定和控制的变量，且当X取得某确定值时，对应的Y值相互独立，服从正态分布。 图6-8 简单线性回归统计学模型 μy=α+βx 总体回归方程 　 样本直线回归方程 a：截距（intercept）。 b：斜率（slope），回归系数 x每改变1个单位时y平均改变b个单位。 b0表示自变量↑应变量↑ ，直线上升。 │b│↑→越陡→ y随x变化率大。 b=0，表示回归直线与X轴平行，即X与Y无直线关系。 二、直线回归分析的应用条件： 1、XY具有线性相关关系 2、对于每一个确定的X，相应的Y值间独立 3、Y值具有正态性。 4、对于任意一组自变量值，因变量Y具有相同的方差 三、直线回归方程的建立、检验与应用 1.建立：最小二乘法原则，使各个实测点到回归直线纵向距离的平方和最小。a，b的计算公式由此推导出来。 2.应用：在样本数据范围内。 3.检验：用样本数据建立的直线回归方程是样本方程，样本方程是否能在总体上反应两个变量之间的直线回归关系，需要对样本方程进行假设检验。 （1）回归方程的假设检验采用方差分析。 （2）将总的变异SS总分解为SS回归和SS剩余，然后利用F检验来判断回归方程是否成立。 4.对回归方程总体进行假设检验以后，需要对回归系数b进行检验。 回归系数的检验采用t检验。 假设β=0，即X和Y之间不存在依存关系。 5.b为总体回归系数β的点估计，可用公式6-15对总体回归系数β做区间估计。 6.决定系数（R2） R2 = SS回 /SS总 = (SS总－SS剩 )/SS总 =1－SS剩 / SS总 。 R2表示y的总变异中被x所决定的部分占多少比例。 0≤R2 ≤ 1， → 1，回归效果越好，模型对数据的拟合效果越好，用回归方程进行预测也越有意义。R2 是评价回归效果的重要的指标。 对例题6-1的资料做直线回归分析 1、考察资料是否满足应用条件 2、绘制散点图 3、求直线方程 4、回归方程的假设检验 5、回归系数的假设检验 6、用决定系数评价回归方程 7、绘制回归直线 8、残差分析 9、回归方程的应用 第六章 相关与回归分析 (Correlation and Regression) 0 60 120 180 施氮量(kg N/ha) 2 4 6 8 植物的生长量 学习目的 1.相关与回归的概念； 2.直线相关与直线回归分析； 3.多重线性回归分析。 学习内容 1.直线相关 2.秩相关 3.直线回归 4.曲线回归 5.多重线性回归 第一节 直线相关 一、相关关系的概念 相关关系 变量之间的依存关系 确定性、严格的 依存关系 函数关系 不确定、不规则 的依存关系，宏观关系 直线相关又称简单线性相关，是描述两变量间是否有线性关系以及线性关系的方向和密切程度的统计分析方法。 直线相关用于双变量正态分布资料，两变量之间的直线相关关系用相关系数来描述。样本相关系数用r表示，总体相关系数用ρ 表示。 （一）相关关系的种类 按相关的程度，可分为 完全相关 不完全相关 不相关 正相关 负相关 线性相关 非线性相关 单相关 复相关 按涉及变量的多少，可分为 按相关的形式，可分为 按相关的方向，可分为 按相关的程度 按相关程度划分 完全相关：当一种现象的数量变化完全由另一个现象的数量变化所确定时，这两种现象间的关系为完全相关。即函数关系。 不完全相关：两个现象之间的关系介于完全相关和不相关之间，称为不完全相关。 不相关：当两个现象彼此互不影响，其数量变化各自独立时，称为不相关。如：股票价格的高低与气温的高低是不相关的。 直线相关按相关方向划分 正相关：当一个现象的数量由小变大，另一个现象的数量也相应由小变大，这种相关称为正相关。如工人的工资随劳动生产率的提高而增加。 负相关：当一个现象的数量由小变大，而另一个现象的数量相反地由大变小，这种相关称为负相关。如商品流转的规模越大，流通费用水平则越低。 按相关形式划分 线性相关：当两种相关现象之间的关系大致呈现为线性关系时，称之为线性相关。如人均消