如何进行相关性分析.ppt

习题 统计学习题\test9相关与回归.htm 一、回归分析概述 二、一元线性回归模型 三、回归估计标准差 ★ ★ §6.2　一元线性回归分析 一元线性回归模型 对于经判断具有线性关系的两个变量y与x，构造一元线性回归模型为： 假定E(?)=0，总体一元线性回归方程： 一元线性回归方程的几何意义 截距 斜率 一元线性回归方程的可能形态 ?为正 ?为负 ?为0 总体一元线性 回归方程: 样本一元线性回归方程： 以样本统计量估计总体参数 斜率（回归系数） 截距 截距a 表示在没有自变量x的影响时，其它各种因素对因变量y的平均影响；回归系数b 表明自变量x每变动一个单位，因变量y平均变动b个单位。 (估计的回归方程) （一元线性回归方程） 随机干扰：各种偶然因素、观察误差和其他被忽视因素的影响 X对y的线性影响而形成的系统部分，反映两变量的平均变动关系，即本质特征。 一元线性回归方程 中参数a、b的确定： 最小平方法 基本数学要求： 整理得到由两个关于a、b的二元一次方程组成的方程组： 进一步整理，有： 【分析】因为工业总产值与能源消耗量之间存在高度正相关关系（ ），所以可以拟合工业总产值对能源消耗量的线性回归方程。 【例】建立工业总产值对能源消耗量的线性回归方程 资料 解：设线性回归方程为 即线性回归方程为： 计算结果表明，在其他条件不变时，能源消耗量每增加一个单位（十万吨），工业总产值将增加0.7961个单位（亿元）。 回归系数b与相关系数r的关系： r＞0 r＜0 r=0 b＞0 b＜0 b=0 一、回归分析概述 二、一元线性回归模型 三、回归方程的拟合优度与评价 ★ ★ §6.2　一元线性回归分析 ★ 离差平方和的分解 每个因变量y的实际值与其平均数之间存在的总离差（y- ）的平方和称为总离差平方和，简称总变差。 总变差 回归变差 估计值 与平均数 离差的平方和，称为回归变差（可解释变差）。 剩余变差 每个观察值y与估计值 的离差平方和，称为剩余变差（未解释变差。 剩余平方和 回归 平方和 总离差平方和 Lyy=U+Q 总离差平方和 回归平方和 剩余（误差）平方和 判定系数 是指因变量的总变差中可以被自变量解释部分的比例，即可解释因素的影响程度。用来说明因变量的变化有多少可通过自变量得到解释。是衡量拟合模型优劣的重要分析指标。 r2值越大，说明回归模型拟合得愈优。 * * * * * * * * * * 第六章 相关分析与回归分析 §6.1　相关分析概述 §6.2　一元线性回归分析 ★ 学习目的与要求：通过本章的学习使学生明确相关与回归的概念、种类，相关与回归分析的作用，掌握直线相关与回归分析的计算方法与原理。 学习重点与难点：本章重点是直线相关与直线回归的计算，难点是相关与回归在计算上的联系。 一、相关分析的意义 二、相关关系的测定 §6.1　相关分析概述 ★ ⒈ 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价 ⒉ 家庭收入与恩格尔系数： 家庭收入高，则恩格尔系数低。 函数关系 （确定性关系） 相关关系 （非确定性关） 比较下面两种现象间的依存关系 现象间的依存关系大致可以分成两种类型： 函数关系 指现象间所具有的严格的确定性的依存关系 相关关系 指客观现象间确实存在关系，但数量上不是严格对应的依存关系 函数关系与相关关系之间并无严格的界限：有函数关系的变量间，由于有测量误差及各种随机因素的干扰，可表现为相关关系；对具有相关关系的变量有深刻了解之后，相关关系有可能转化为或借助函数关系来描述。 相关关系的概念 现象之间的相互联系，常表现为一定的因果关系，将这些现象数量化则成为变量：其中一个或若干个起着影响作用的变量称为自变量，通常用X表示，它是引起另一现象变化的原因，是可以控制、给定的值；而受自变量影响的变量称为因变量，通常用Y表示，它是自变量变化的结果，是不确定的值。 相关关系的概念 如果研究工业生产规模对工业贷款额的需求量问题，工业产值是自变量，工业贷款就是因变量； 如果研究贷款量对工业生产规模的影响情况，工业贷款额是自变量，工业产值是因变量。 研究居民收入水平与储蓄存款余额的关系 居民收入水平是自变量，储蓄存款余额是因变量。 有时相关关系表现的因果关系不明显，要根据研究目的来确定。 工业产值与工业贷款额的关系 例如 ⒈按涉及变量的多少分为 相关关系的种类 ⒉按照表现形式不同分为 ⒊按照变化方向不同分为 一元相关 多元相关 直线相关 曲线相关 负相关 正相关 相关关系的种类 相关分析的内容 对现象之间相互关系的方向和程度进行分析。 相关分析 主要内容