项目十相关与回归分析——相关关系测定和回归模型建立.pptVIP

★ 曲线相关系数 曲线相关系数又称为相关指数，是测定两变量之间曲线相关密切程度的统计指标。 复相关系数 复相关系数是反映一个因变量与一组自变量之间相关程度的统计指标。它是直接利用原资料的几个简单相关系数计算的。在有两个自变量时，复相关系数计算公式： 复相关系数的取值介于0和1之间，即0 r 1。 偏相关系数 偏相关系数是在复相关中测定其中某一自变量对因变量影响大小的统计指标。通常用加上附标来表示。例如表示当自变量的影响保持不变的条件下自变量与因变量之间相关关系的密切程度。 ★ 偏相关系数（续) 式中： 分别表示两个变量的单相关系数 任务二  理解回归分析的概念 掌握回归方程的建立 【教学导例】 回归分析的基本思想和方法归功于英国统计学家高尔顿和他的学生皮尔逊（现代统计学的奠基人之一）在研究父母与子女身高的遗传问题时，观察了1078对夫妇，得出：特高个子父母子女平均身高在同龄人中也属高个子，但要低于父母身高。相反，特低父母的子女平均身高属低个子，但平均身高高于父母，即子代的平均身高向中心回归了，正是由于子代的身高有回到同龄人平均身高的趋势，才使人类的身高在一定时间内相对稳定。正是为了描述这种有趣的现象，高尔顿引进了“回归”一词来描述父辈身高与子女身高的关系，以后推广到许多领域。 一、回归分析的概念和特点 （一）回归分析的概念 回归分析就是将现象的相关关系转变为函数关系，并建立反映变量之间数量变动关系的数学表达式，以便进行估计或预测的统计分析方法。 （二）回归分析的特点 1、回归分析的两个变量是非对等关系。 回归分析需确定自变量和因变量。因变量是随 机变量，是根据给定的自变量值推算出来的。 而相关分析中的变量都是随机变量，只能计算变量间 密切关系的指标。 2、一般来说，回归中两个变量一定呈相关关系， 而相关的两个变量就不一定呈回归关系。 3、回归分析中，若因果关系不明确或互为自变量，可分 别建立y对于x的方程或x对于y的方程。 二、回归分析的内容 （一）确定现象之间相关关系的数学模型 测定变量间数量变化关系，建立描述现象间相关关系的数学模型即回归方程，用函数关系式近似地表现相关关系，作为推算、预测的根据。 （二）测定数学模型的拟合精度 拟合精度直接影响统计分析结论的准确性，建立模型后需要对其精确度进行检验。一般通过计算估计标准误差来测定模型的拟合精度。 三、回归分析与相关分析的关系 区别：相关分析研究变量间相关关系及其密切程度。回归分析是建立反映变量关系的数学表达式，来研究变量间数量变动关系的统计分析方法。 联系：相关和回归分析是研究现象间依存关系不可分割的两个方面。一般先测定相关现象间相关程度，进而决定是否进行回归分析并拟合回归方程并进行推算和预测等。 相关分析是回归分析的基础和前提，回归分析是相关分析的继续和深入。只有当变量间存在 高度 相关时，进行回归分析才有意义。 四、回归分析的种类 回 归 分 析 变量多少 时间状况 表现形式 简单回归 复回归 直线回归 曲线回归 静态回归 动态回归 （一）一元回归分析 1.直线回归分析 根据自变量和因变量的数值资料，配合一条回归直线来表示变量间的一般数量变化关系。 直线回归方程的一般形式是： 根据最小平方法的要求，可得出直线回归方程中的参数a、b的求解方程组： （一）一元回归分析（续1） ※ 直线回归方程中的回归系数b有正有负，正回归表示上升直线，说明两变量之间是同方向的变动。 ※ 回归系数b和相关系数r不但含义不同，取值也不同，但符号必须是 一致的。相关系数与 回归系数之间的关系： （一）一元回归分析（续2） 2.二次曲线回归分析 将自变量的观察值按由小到大依次排列，然后计算自变量的一次差和因变量的二次差，若自变量的一次差和因变量的二次差分别接近一个常数，则现象之间的关系属二次曲线形式： 根据最小平方法的要 求，可得出二次曲线 方程中参数a、b、c 的求解方程组： （二）复回归分析 研究一个因变量与多个自变量之间相关关系的理论和方法，称为多元回归分析或复回归分析。多元回归可分为多元线性回归与多元非线性回归。 多元线性回归方程表达一个因变量与多个自变量之间线性关系的一种数学模型。其方程为： 需要注意：此处求参数的方法仍然用最小平方法 五、估计标准误差 由于所研究的现象间的相关程度并非完全相关，用回归方程进行预测是有误差的，回归方程求出后有必要对其拟合精度进行检测。 估计标准误差就是进行这种 检测的统计分析指