相关和回归研究报告.PPTVIP

相关与回归分析 第一节 相关关系的概念和种类 第二节 相关分析 第三节 一元线性回归分析 第一节 相关关系的概念和种类 一、相关关系的概念 现象之间的数量关系存在着两种不同的类型：一种是函数关系，另一种是相关关系。  (四)按相关关系的密切程度,可以分为完全相关、不完全相关和不相关. 完全相关：是指两个变量之间存在依存关系，其中一个现象的数量变化由另一个现象的数量变化所确定，即函数关系。（特例） 不相关；两种现象之间彼此互不影响，其数量变化各自独立 不完全相关：两种现象之间的相互依存关系介于完全相关与不相关之间(研究对象）  回归分析和相关分析既有联系，又有区别。就其研究对象来说，两者都是研究变量之间的相关关系。但就彼此研究变量之间关系的性质来看，两者存在明显的区别。回归分析中，必须将相关变量区分为自变量和因变量，以确定其关系的可能形式，所研究变量属于非对等关系。相关分析中，计量变量之间关系的强度，不必区分自变量与因变量，所研究变量属于对等的关系。 第二节 相关分析 一、相关分析的概念 相关分析是研究如何计量变量之间关系强度的统计方法。它能确定变量之间相关的程度，即变量之间某种关系的确切程度有多大。 （1）变量之间是否存在线性关系 （2）变量之间的关系强度如何 （3）样本所反映的变量之间的关系能否代表总体变量之间的关系  （一）相关系数的概念与计算 根据样本数据计算的度量两个变量之间线性关系强度的统计量，称为相关系数。通常用r表示。  (二)相关系数的性质 1.r的取值范围在1与-1之间,即-1≤r≤1. 若0r ≤1,表明x与y之间存在正线性相关关系; 若-1≤r0,表明x与y之间存在负线性相关关系; 若r=1,表明x与y之间为完全正线性相关关系; 若r=-1,表明x与y之间为完全负线性相关关系. 即当|r|=1时,y的取值完全依赖于x,两者之间为函数关系. 当r=0,表明y的取值与x无关,即两者之间不存在线性相关关系.  2.r具有对称性.即x与y之间的相关系数,和y与x之间的相关系数相等. 3.r仅仅是x与y之间线性关系的一个度量,它不能用于描述非线性关系.这就意味着,r=0只表示两个变量之间不存在线性相关关系,并不表明变量之间没有任何关系,如它们之间可能存在非线性相关关系.变量之间的非线性相关程度较大时,就可能导致r=0. 4.相关程度划分:|r|0.3,低度线性相关; 0.3 ≤ |r|0.5中度线性相关; 0.5≤ |r|0.8显著线性相关; 0.8≤ |r|1高度线性相关.  第一步 提出假设 H0:ρ=0 H1:ρ≠0 第二步 计算检验统计量 第三步 进行决策.根据给定的显著性水平查得临界值.若|t|tα/2（n-2）,则拒绝原假设,表明总体的两个变量之间存在显著的线性关系.  显著性检验 H0:ρ=0 H1:ρ≠0    三、回归预测 1.点预测 2.区间预测 （１）小样本（ｔ分布）  （２）大样本（正态分布） 本章要求 1.掌握相关关系的概念及种类 2.掌握相关系数的计算方法及性质 3.掌握一元线性回归分析的计算方法 四、相关关系的显著性检验 一般情况下,总体相关系数ρ是未知的,我们通常用样本相关系数r作为近似的估计值.但是,由于r是根据样本数据计算的,所以它会受到样本的抽样波动的影响.样本不同,r的取值也会不同.因此r是一个随机变量.我们能否用样本的相关系数来估计总体的相关程度?因此,我们要对样本相关系数的可靠性加以考察,即进行显著性检验. 例如： 1 0.9 100 炉次 含碳量(%)(x) 精炼时间(分)(y) 某钢铁厂十个炉次钢液含碳量和精炼时间 10 2 3 4 5 6 7 8 9 2.0 1.0 1.2 1.4 1.5 1.6 1.7 1.8 1.9 105 235 130 145 170 175 190 190 220 y x2 y2 xy 100 105 130 145 170 175 190 190 220 235 0.81 1.00 1.44 1.96 2.25 2.56 2.89 3.24 3.61 4.00 10000 11025 16900 21025 28900 30625 36100 36100 48400 55225 90 105 156 203 255 280 323 342 418 470 1660 23.76 294300 2642 炉次 x 1 2 3 4 5 6 7 8 9 10 ? 0.9 1.0 1.2 1.4 1.5 1.6 1.7 1.8 1.9 2.0 15.0