山西财大统计学第8章相关与回归.pptVIP

(二)回归系数的显著性检验 所谓回归系数的显著性检验，就是根据样本估计的结果对总体回归系数的有关假设进行检验。 回归系数的显著性检验通常采用t检验。 假设 H0：β＝ β* H1: β≠ β* 检验统计量 拒绝域为 （三）回归方程线性关系的显著性检验 回归方程的显著性检验是运用方差分析的思想来验证总体X与Y之间的线性关系是否显著，又称为回归方程的F检验 假设 H0：β=0 (线性关系不显著) H1：β≠0 (线性关系显著) 检验统计量 拒绝域为 五、利用回归方程进行预测 1．点预测 预测的误差为 我们有 2．区间预测：根据 的值给出 的预测区间 常用的非线性函数(可以变换为线性函数) 1.抛物线函数 2.双曲线函数 3.幂函数 4.指数函数 5.对数函数 6.S形曲线函数 第八章 相关与回归分析 相关与回归分析是研究客观现象之间数量联系的重要统计方法 ● 相关与回归分析的基本概念 ● 相关分析 ● 线性回归分析 第一节 相关与回归分析的基本概念 一、函数关系与相关关系 函数关系： 相关关系： 给定 的值， 有唯一确定的值与之对应 给定 的值， 的值不能确定，但在某一范围内变化 是随机误差项 例如，粮食亩产量 和施肥量 之间的关系 随机干扰因素，次要的细小因素, 其影响平均来说等于 0，即 →主要因素，解释变量，可控变量 施肥量 X 水分 土壤 阳光 (1)按相关的程度不同分为： 完全相关、不完全相关和不相关。 (2)按相关关系的方向不同分为： 正相关和负相关。 (3)按相关关系的表现形式的不同分为： 线性相关和非线性相关。 (4)按相关关系涉及的变量多少分为： 单相关、复相关和偏相关。 (5)按相关的性质分为：真实相关和虚假相关。 二、相关关系的基本形式 三、相关分析与回归分析的关系 相关分析与回归分析是研究现象之间相关关系的两种统计方法。 相关分析是用一个指标来表明现象间相互依存关系的密切程度。 回归分析是根据相关关系的具体形态，选择一个合适的数学模型（函数关系式），来近似表达变量间的平均变化关系。 区别： (1)相关分析只能说明变量之间相关的方向和密切程度，不能指出变量之间相互关系的具体形式；回归分析则是用回归方程来反映变量间相互关系的具体形式，并可根据该方程由已知变量推断未知变量。 (2)在相关分析中，变量间的关系是并列、对等的；在回归分析中，研究的是一个变量随其他变量变化的形式，变量间的关系不是并列、对等的，有自变量和因变量之分。 (3)在相关分析中，所涉及的变量可以都是随机变量，各自接受随机因素的影响；回归分析中，自变量是可以准确测量或控制的非随机变量，因变量的取值事先不能确定，是随机变量。 联系： 1. 研究的对象相同 相关分析与回归分析都是以具有相关关系 的现象为研究对象； 2. 互为依据，互为补充 相关分析为回归分析提供依据；回归分析 是相关分析的深入和补充。 第二节 相关分析 在分析现象之间的相关关系时，一般是先对现象之间的关系作直观判断，然后再进行详细的定量分析。 一、相关表及相关图 相关表是根据所掌握的被研究现象的有关资料编制的反映变量之间相关关系的统计表。通过相关表可以初步看出变量之间相关关系的形式、密切程度和相关方向。 相关图又称散点图，它是将具有对应关系的变量值用点的形式在坐标系中标出，用来反映其分布状况的图形。从中可以直观地看出变量间有无相关关系及相关关系的形式、方向和紧密程度。 【例 】某地区居民人均收入水平（x）与食品支出占生活费支出的比重(y)之间具有相关关系，编制相关表如下： 人均收入 水平(x)/元 280 340 390 530 650 670 790 880 910 1050 食品支出占 生活费支出 的比重(y)/% 68.3 67.5 66.2 64.9 56.7 60.2 54.4 49.0 50.5 43.6 相关图 二、相关关系的测定---相关系数 测定两个变量之间线性关系密切程度的指标 称为简单相关系数。 ☆简单相关系数是计算其它相关系数（比如复相关系数、偏相关系数）的基础。 （一）简单相关系数(简称相关系数 )的计算 总体相关系数ρ：根据总体全部数据计算 样本相关系数 r：根据样本数据计算