温州大学统计学课件第八章 相关与回归分析.pptVIP

第八章相关与回归分析 第八章 相关与回归分析 第一节 相关分析的意义和任务 第二节 简单线性相关分析 第三节 回归分析 通过学习，让学生了解相关关系概念、相关分析的种类和主要内容，了解和掌握简单线性相关分析，包括散点图和相关表、相关系数的计算、相关系数的密切程度等，了解回归分析的概念和内容，重点掌握线性回归分析。 引导案例：“回归”一词的来源 “回归”一词来源于生物学。在遗传现象中，后代的遗传牲与前代的特征有关系。回归一词最后由F．高尔顿（Francis Galton）提出。高尔顿发现，虽然有一个趋势，父母高、子女也高，父母矮、子女也矮，但给定父母的身高，子女辈的平均身高却趋向于或者“回归”到全体人口的平均身高。也就是说，尽管父母双亲都异常高或异常矮，但子女的身高则有走向人口总体平均身高的趋势（普遍回归规律）。高尔顿的这一结论被他的朋友K．皮尔森（Karl Pearson）证实。皮尔森收集了1000多个家庭成员的身高记录，发现对于一个父辈高的群体，子辈的平均身高低于他们父辈的身高；而对于一个父辈矮的群体，子辈的平均身高则高于其父辈的身高。这样就把高的和矮的子辈一同“回归”到所有男子的平均身高，用高尔顿的话说，这是“回归到中等”。人们把这种现象称为“回归”。 第一节、相关分析的意义和任务 一、相关分析的概念 二、相关分析的种类 一、相关分析的概念 现实世界中现象之间存在着两种关系 ㈠函数关系 两个变量的关系是确定的，可以用一个数学表达式表示出来。 例：圆的面积与半径的关系 S=πR2 L=πR ㈡相关关系 两个变量的关系确实存在，但关系数值是不固定的相互依存关系。 例：身高与体重的关系、施肥量与产量的关系。 ㈢相关关系与函数关系的区别 ⒈函数关系是变量之间的一种完全确立性的关系。即某一变量发生变化，另一变量就有一个确定值与之相对应；相关关系一般是不完全确定的关系，即对自变量的一个值，与之对应的因变量值不是唯一的。 ⒉函数关系通常可以用数学公式准确的表示出来。 二、相关分析的种类 ㈠根据自变量的多少划分 ⒈单相关：只有一个自变量。 ⒉复相关：有两个及两个以上的变量。 ㈡根据相关的形式不同划分 ⒈线性相关（直线相关）：当一个变量变动时，另一个变量也相应发生大致均等的变动。 ⒉非线性相关（曲线相关）：当一个变量变动时，另一个变量也相应发生变动，但这种变动是不均等的。 ㈢根据相关关系的方向划分 ⒈正相关：两个变量之间的变化方向一致，都是增长趋势或下降趋势。 ⒉负相关：两个变量变化趋势相反，一个下降而另一个上升，或一个上升而另一个下降。 ㈣根据相关关系的程度来划分 ⒈不相关：两个变量彼此的数量变化互相独立。 ⒉完全相关：一个变量和数量变化由另一个变量的数量变化所唯一确定。（函数关系） ⒊不完全相关：介于不相关和完全相关。 三、相关分析的主要内容 回归参数估计 方程拟合效果评价 回归参数的推断 第二节简单线性相关分析 一、散点图和相关表 二、相关系数的测定与应用 三、相关系数的密切程度 一、散点图和相关表 例 近年来国家教育部决定将各高校的后勤社 会化。某从事饮食业的企业家认为这是一 个很好的投资机会，他得到十组高校人数 与周边饭店的季销售额的数据资料，并想 根据高校的数据决策其投资规模。 ②从“插入”菜单中选择“图表”选项，打开“图表向导”对话框如下图所示。在“图表类型”列表中选择XY散点图，单击“下一步”按钮。 ③在数据区域中输入B2:C11，选择“系列产生在—列”，如下图所示，单击“下一步”按钮。 ④打开“图例”页面，取消图例，省略标题，如下图所示。 ⑤单击“完成”按钮，便得到XY散点图如下图所示。 二、相关系数的测定与应用 相关系数的计算有两种方法： ㈠用计算器计算 例 ㈡用计算机计算 ⒈选取“工具”-“数据分析” ⒉选“相关系数” ⒊选“确定” ⒋输入“输入区域” ⒌输入“输出区域” ⒍在“分组方式”中选“逐列” ⒎选“标志位于第一行” ⒏确定 出现结果如下： 三、相关系数的密切程度 相关系数的范围在-1到1之间，即 -1≤r≤1,当r=1为完全正相关， r=-1,为完全负相关，r=0为不相关。 r的范围在0.3-0.5是低度相关; r的范围在0.5-0.8是显著相关; r的范围在0.8以上是高度相关. 第三节回归分析 一、回归分析的概念 二、直线回归 三、曲线回归 一、 回归分析的概念 ㈠回归分析就是对具有相关关系的变量之间的数量关系进行测定,确定一个相应的数学表达式。 ㈡回归分析的种类： ⒈按自变量x的多少，可以分为一元回归和多