《直线相关与回归》公开课件（设计）.pptVIP

第十二章 直线相关与回归 (Linear Correlation Regression) 第一节 直线相关 一、相关的意义 二、相关系数 三、相关系数的显著性检验 第二节 等级相关 第三节 直线回归 一、一般概念 二、直线回归方程的计算 三、回归系数的假设检验 第四节 直线相关与回归的关系 第一节 直线相关(Linear Correlation) 一、相关的意义 第一节 直线相关 散点图中的点的分布，即线性相关的性质和相关之间的密切程度 第一节 直线相关 二、相关系数 第一节 直线相关 不难推导： 第一节 直线相关 计算例12-1的相关系数 r 第一节 直线相关 三、相关系数的假设检验 例12-1 所求得的 r = 0.7194是一个由样本数据计算出的统计指标, 必然有抽样误差。 也就是说，如果胸围(cm) ( X )与和肺活量( Y )之间没有相关关系，即总体相关系数为零(? = 0)，我们从这个总体中随机抽取15名受试者的样本测查其胸围与和肺活量，计算相关系数，由于所样偶然性的缘故，可能样本的相关系数不等于零(本例相关系数为0.7194)。 在?=0的总体里是否有可能遇到 r = 0.7194 的样本呢？即能否用抽样误差来解释 r = 0.7194呢？这要做假设检验。 相关系数的假设检验可用t 检验，也可直接查“相关系数界值表”。现对例12-1资料作假设检验。 1. H0 ：假设总体相关系数为0, H1 ：假设总体相关系数不为0 2. 计算相关系数 r 。现已算得 r = 0.7194 3. 查相关系数界值表。 自由度 查得双侧的界限为： r0.05(13)＝0.514 r0.01(13)＝0.641 4. 结论 r = 0.7194 r0.01(13)，故 Ｐ 0.01，差异有统计学意义， 第二节 Spearman等级相关 两事物或现象间是否存在直线相关关系，也可用等级相关来检验。 等级相关又称秩相关，方法简单，易学易用，适用范围较广； 尤其适用于某些指标不便准确地测量，而只能以严重程度、成效大小、名次先后或综合判断等方式定出等级或次序的资料。 第二节 等级相关 第二节 等级相关 第三节 直线回归(Linear Regression) 直线回归又称为简单回归，是探讨两个连续性变量X与Y之间依存关系的一种统计分析方法。它是根据观察的两个变量的数据资料得到两个变量间关系的直线回归方程，并确定一条最适合的回归直线，用于描述两个变量间变化的数量关系。 第三节 直线回归 直线回归方程的关键在于求a和b的值。用最小二乘方法，可推断出b 的计算公式为： 第三节 直线回归 例12-3的 b 值为： 二、回归系数的假设检验 前面求得的回归系数b ，是根据样本资料计算出来的，所以存在抽样误差，需作假设检验，检验其是否从回归系数为零的总体(b = 0)中间随机抽得的。 即检验b与0的差别有否统计学意义。 如果差别确有统计学意义，说明b的确不为零，可认为X ，Y 间有直线回归存在。 回归系数的假设检验可用t检验也可用F 检验。 t检验 1. 2.计算tb 第三节 直线回归 第三节 直线回归 3.确定P值，判断结果 自由度 ，查t值表， 本例t ，故P 0.01 按 水准拒绝 ，接受 ，而认为该校女中学生的胸围和肺活量之间存在直线回归关系。 二、直线相关与回归分析的注意事项 1. 对相关分析的作用要正确理解。相关分析只是以相关系数来描述两个变量间直线关系的密切程度和方向，并不能阐明两事物或现象间存在联系的本质；即使存在相关关系，也并不能证明是因果关系(相关关系中有的是因果关系，有的不是因果关系)。要证明两事物间的内在联系，必须凭借专业知识从理论上加以阐明。但是，当事物间的内在联系尚未被认识时，相关分析可根据它们的数量关系给理论研究提供线索。 2. 相关和回归都是分析两变量间关系的统计方法。相关表示相互关系，回归表示从属关系。 二、应用相关与回归的注意事项 3. 积差法相关与等级相关的应用范围是不同的。积差法相关计算相关系数 r 适用于正态资料；等级相关可用于难以判定其总体究竟属何种分布的资料，因而应用范围较广。一般来说，能用积差法相关计算的决不要用等级相关计算。因此，资料明显呈偏态分布或者原始资料只能用等级划分或难以判定资料属何种分布的，才宜按等级相关处理。 4. 回归方程的使用范围为自变量