统计PP统原PP第八章相关分析.pptVIP

第三节 简单直线回归分析 英人 遗传学 高尔顿 学生 皮尔逊 简单线性回归分析：是对两个具有线性关系的变量，研究其相关性，配合线性回归方程，并根据自变量的变动来推算和预测因变量平均发展趋势的方法。 一、回归分析的概念 “回归”一词是由英国生物学家高尔顿在研究人体身高的遗传问题时首先提出的。根据遗传学的观点：父母身材高的，其子女一般也较高，父母身材矮的，其子女身材也较矮。依此推论，祖祖辈辈遗传下来，身高必然向两极分化，而事实上并非如此。同样身高的父亲，其子女身高并不一致。身材很高的子女往往是由身材中等偏上的父母所生，父母身材矮的其子女一般也较矮，但平均起来并不是特别矮。把这种人的身高趋向人的平均高度的现象称作回归。 回归分析：通过一个变量或一些变量的变化解释另一变量的变化。设法找出合适的数学方程式（即回归模型）描述变量间的关系 （二）回归的种类 回归按照自变量的个数划分为一元回归和多元回归。只有一个自变量的回归叫一元回归，有两个或两个以上自变量的回归叫多元回归。 按照回归曲线的形态划分，有线性（直线）回归和非线性（曲线）回归。 实际分析时应根据客观现象的性质、特点、研究目的和任务选取回归分析的方法。 二、相关分析与回归分析的关系 （一）相关分析与回归分析的联系 相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间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现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。 （二）相关分析与回归分析的区别 1．相关分析中涉及的变量不存在自变量和因变量的划分问题，变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的性质和研究分析的目的，对变量进行自变量和因变量的划分。因此，在回归分析中，变量之间的关系是不对等的。 2．在相关分析中所有的变量都必须是随机变量；而在回归分析中，自变量是确定的，因变量才是随机的，即将自变量的给定值代入回归方程后，所得到的因变量的估计值不是唯一确定的，而会表现出一定的随机波动性。 3．相关分析主要是通过一个指标即相关系数来反映变量之间相关程度的大小，由于变量之间是对等的，因此相关系数是唯一确定的。而在回归分析中，对于互为因果的两个变量 (如人的身高与体重，商品的价格与需求量)，则有可能存在多个回归方程。 需要指出的是，变量之间是否存在“真实相关”，是由变量之间的内在联系所决定的。相关分析和回归分析只是定量分析的手段，通过相关分析和回归分析，虽然可以从数量上反映变量之间的联系形式及其密切程度，但是无法准确判断变量之间内在联系的存在与否，也无法判断变量之间的因果关系。因此，在具体应用过程中，一定要注意把定性分析和定量分析结合起来，在定性分析的基础上展开定量分析。 联系:相关分析是回归分析的前提 ；回归分析是相关分析的继续和拓展。 区别 相关分析旨在测度变量之间的关系密切程度,用的测度工具是相关系数.回归分析侧重于考察变量之间的数量变化规律,并通过一定的数学表达式描述它们间的关系,进而确定一个或几个变量的变化对被解释变量的影响程度.两者都是研究变量之间不确定性统计关系的重要方法.相关系数是惟一确定的。而在回归分析中，对于互为因果的两个变量 (如人的身高与体重，商品的价格与需求量)，则有可能存在多个回归方程。 函数关系是相关关系的特例，即函数关系是完全的相关关系，相关关系是不完全的相关关系。 函数关系与相关关系虽然有明显的区别，但两者之间并不存在不可逾越的界限。由于存在测算误差等原因，函数关系在实际中往往通过相关关系表现出来。而在研究相关关系时，为了找到现象间数量关系的内在联系和表现形式，又常常需要借助于函数关系的形式加以描述。 因此，相关关系是相关分析的研究对象，函数关系是相关分析的工具。 一、简单线性回归分析(一元一次回归) 对于具有线性因果关系的两个变量，由于有随机因素的干扰，两变量的线性关系中应包括随机误差项，即有： 对于某一确定的值，其对应的值虽有波动，但在大量观察中随机误差的期望值为零，即=0，因而从平均意义上说，总体线性回归方程为： 回归方程的基本形式 y c=a+bx a、b为待定参数 1、最小平方法 理论要点：观