统计学课件第八章 相关与回归分析.pptVIP

第一章 统计总论 第二章 统计调查 第三章 统计数据的整理与显示 第四章 统计指标 第五章 统计指数 第六章 时间序列分析 第七章 抽样推断 第八章 相关与回归分析 第九章 统计预测 第十章 统计的综合评价 回归分析法产生的历史 回归分析法。由著名的英国生物学家、统计学家高尔顿（F.Gallton）——达尔文的表弟所创。 早年，高尔顿致力于化学和遗传学领域的研究。 他研究父亲们的身高与儿子们的身高之间的关系时，建立了回归分析法。 父亲们的身高与儿子们的身高之间关系的研究 1889年F.Gallton和他的朋友K.Pearson收集了上千个家庭的身高、臂长和腿长的记录 企图寻找出儿子们身高与父亲们身高之间关系的具体表现形式 下图是根据1078个家庭的调查所作的散点图（略图） 从图上虽可看出，个子高的父亲确有生出个子高的儿子的倾向，同样地，个子低的父亲确有生出个子低的儿子的倾向。得到的具体规律如下： 如此以来，高的伸进了天，低的缩入了地。他百思不得其解，同时又发现某人种的平均身高是相当稳定的。最后得到结论：儿子们的身高回复于全体男子的平均身高，即“回归”——见1889年F.Gallton的论文《普用回归定律》。 后人将此种方法普遍用于寻找变量之间的规律 本章小节 误差平方和 回归 平方和 总离差平方和 总偏差 = 回归偏差 + 剩余偏差 r2表示全部偏差中有百分之几的偏差可由x与y的回归关系来解释 r 的符号同 b 数量关系及意义 判定系数与相关系数的关系 0 -10 -7 -9 -2 5 3 -5 4 13 8 95546 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 - 47.29 49.45 51.61 53.76 55.92 58.08 60.24 62.39 64.55 66.71 估计值 1670 158 160 162 164 166 168 170 172 174 176 身高 0 33032 279220 570 -9.71 -7.55 -5.39 -3.24 -1.08 1.08 3.24 5.39 7.55 9.71 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 47 50 48 55 62 60 52 61 70 65 A B C D E F G H I J 体重 学生 判定系数与相关系数的区别 判定系数无方向性，相关系数则有方向，其方向与样本回归系数 b 相同； 判定系数说明变量值的总离差平方和中可以用回归线来解释的比例，相关系数只说明两变量间关联程度及方向； 相关系数有夸大变量间相关程度的倾向，因而判定系数是更好的度量值。 Lyy=U+Q 总离差平方和 回归平方和 误差平方和 回归分析中我们最关心的是： X 与 Y 是否有真正的相关关系。即： 【例】检验工业总产值与能源消耗量之间的线性相关性是否显著 资料 当 成立时，则统计量 相关关系不等于因果关系； 相关系数只度量变量间的线性关系，因此，弱相关不一定表明变量间没有关系； 极端值可能影响相关系数。 注意相关关系成立的数据范围。 警惕虚假相关 使用相关系数时应注意的问题 第二节 等级相关与品质相关 由于社会经济现象的复杂性，有许多情形难以以精确数字形成统计数列，而只能根据主观判断，评定等级，依次排列。如对事态轻重、才智高低、艺术水平等的评价，都只能依据评判者的知识、经验、感受、有关规则等，作出相对大小的等级评定。 等级相关是定序尺度的变量之间的相关关系。 等级相关系数的计算 该公式是由斯皮尔曼提出的，故也称为斯皮尔曼等级相关系数。 等级相关 见书例 1 1 0 16 1 1 4 4 16 0 44 -1 1 0 -4 1 1 -2 2 4 0 0 2 1 3 8 4 7 9 6 5 10 -- 1 2 3 4 5 6 7 8 9 10 -- （1） （2） （3） （4） （5） （6） （7） （8） （9） （10） ∑ 2000年y 1999年x d2 等级差 d=x-y 等级 演员 编号 回归：退回regression 1877年 弗朗西斯?高尔顿爵士 遗传学研究 回归线 平均身高 第三节 简单线性回归模型 回归分析法产生的历史 160 165 170 175 180 185 140 1