第9讲 相关分析与回归分析 教案.pptVIP

t 检验：是对回归系数的显著性检验 t 检验的基本步骤 提出假设 构造t检验统计量，并由样本数据计算t检验值 根据显著性水平α，查t分布表，得到临界值 统计决策 5. 参数的显著性检验(t检验) P320 ～t (n-2) 显著性检验包括两个方面： 回归系数（参数） 整个回归方程 散点图 Fig.?7.1 收缩压和舒张压 (mmHg) (665 名 6 至 10 岁女孩) 收缩压 舒张压 他两的关系都是此长彼长。所以总体趋势看得出是向前的。但是给定了一个舒张压，但是收缩压可以是高也可以是低。 指数函数 对数函数 正弦函数 Y 和 X之间的函数关系 对应于给定的 X值, 相应的Y 值是确定的. 但现在给定一个X值，Y可能是不确定的。（是上页） 分散 集中 x不论怎么变，Y都是在一个范围走动，那么X和Y没有什么相关性。 烧饼，给定一个X，就是一个水平上，X变，y也是一个水平上，也没有关系 香蕉，x变大，y从小到到，去曲线关系，不是线性关系。 线性相关也几乎是零，虽然是曲线关系 下前三没有相关性 上面都是线性相关 一三是正线性相关，3图相关性好。 2,4是负先关性，4负的绝对值比2好一些。 相关性好就是绝对值好些 一下研究的都是线性相关，简称相关 三、相关关系 相关系数是度量两个变量之间线性相关的方向和强度的测度，常用的度量指标是皮尔逊(Pearson)相关系数 【专栏】在相关分析中，定性分析或经济理论分析重要吗? correlation coefficient  相关系数(Correlation Coefficient)1.总体相关系数(Population correlation coefficient) Pearson’s 乘积-矩线性相关系数: “两个标准化变量之乘积” 的总体平均 ---- 简单相关系数(simple correlation coefficient) -- X 和 Y 的总体协方差 相关系数也有总体和样本，但一般我们只掌握样本 X舒张压 Y收缩压 x标准化 X标准化*Y标准化相乘，然后取总得平均，在总体里面去平均。总体里面全部人去求平均是总体相关系数。如果去简化 sigama x、y是常数，拿出来外面。 X-μx是离均差，上面就是两个离均差相乘，E是期望。期望就是求平均的意思，在总体里面的平均的意思 总体里面的协方差算在一块、舒张压离开平均值多远，收缩压离开平均值都远，相乘一块有多远，也叫监督相关系数 一定介于-1和1之间 总体均数 Ro ρ 去掉n，公式如下： 2. 样本相关系数(Sample correlation coefficient) 需要用样本来估计相关系数 怎么定义，类似刚才的 X（Y） - 样本的观察值减去样本的均数 ，然后相乘。乘积统统加起来。 下面不求平均，不然就约掉了 - 离均差的平方求和乘以离均差的平方求和。 样本的离均差乘积求和 离均差平方之和 介于-1和1之间。有可能发生-1和1，但生活中很少发生 度量线性关系的强度和方向: 1) r =0 -- 无线性关系, 或很弱 2) 若绝对值较大 -- 线性关系较强 3) 符号正负 -- 线性关系的方向 4) +1 or -1 -- 完全相关, 实践中少见 P181 研究父子之间身高的关联性 为什么这么来定义？ 样本 - 判断关联性，求r 样本的离均差乘积之和 X本身的离均差平方之和 Xbar计算出来 例子8-1 第三节 一元线性回归分析 第三节 一元线性回归分析 回归分析实质就是通过建立数学方程，研究因变量与自变量之间的变动关系，如果分析一个自变量与一个因变量的线性关系，称为一元线性回归分析，如果分析两个或两个以上的自变量与一个因变量的线性关系，则称为多元线性回归。 一、一元线性回归理论模型 一元线性回归模型是用于分析一个自变量x与一个因变量y之间线性关系的数学方程，在变量x与y的直角坐标平面上，可以绘制散点图，可以看出所有的散点大致呈线性关系 or 在一元线性回归之中，因变量由两个部分组成，一个是 ，其解释了自变量x变动引发的线