相关分析和回归分析SPSS讲解.ppt

? 对于两个人关系，相关关系只能知道他们是恋人关 系，至于他们谁是主导者，谁说话算数，谁是跟随 者，一个打个喷嚏，另一个会有什么反应，相关就 不能胜任，而回归分析则能很好的解决这个问题 ? 无论回归还是相关 , 在做因果关系的时候都应该特 别注意 , 并不是每一个显著的回归因子或者较高的 相关指数都意味着因果关系 , 有可能这些因素都是 受第三 , 第四因素制约 , 都是另外因素的因或果。 ? 回归是探索因果关系的并没错，因为实际上最后我 们并不是完全依据统计的结果来判断因果性，只有 在统计结果和理论及现实比较吻合的基础上我们才 肯定这种因果关系。任何统计方法只是一种工具， 但是不能完全依赖于这种工具。 回归模型的类型 一个自变量 两个及两个以上自变量 回归模型 多元回归 一元回归 线性 回归 非线性 回归 线性 回归 非线性 回归 回归模型与回归方程 ? 一元线性回归模型 ? 回归方程 一元线性回归模型 （概念要点） 1. 当只涉及一个自变量时称为一元回归，若因变量 y 与 自变量 x 之间为线性关系时称为一元线性回归。 2. 对于具有线性关系的两个变量，可以用一条线性方程 来表示它们之间的关系。 3. 描述因变量 y 如何依赖于自变量 x 和误差项 ? 的方程 称为回归模型。 一元线性回归模型 （概念要点） ? 对于只涉及一个自变量的简单线性回归模型可表示 为 y = b ? + b 1 x + ? ? 模型中， y 是 x 的线性函数 ( 部分 ) 加上误差项 ? 线性部分反映了由于 x 的变化而引起的 y 的变化 ? 误差项 ? 是随机变量 ? 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 ? 是不能由 x 和 y 之间的线性关系所解释的变异性 ? b 0 和 b 1 称为模型的参数 1. 线性关系假设：回归分析必须建立在变量之间具有线性关 系的假设成立上。 2. 正态性假设：回归分析中的 y 服从正态分布，与 x 值对应的 y 值是变量 y 的一个子总体，所有子总体都服从正态分布。 3. 误差项 ε 是一个期望值为 0 的随机变量，即 E ( ε )=0 。对于一 个给定的 x 值， y 的期望值为 E ( y ) = b 0 + b 1 x 。 4. 误差等分散性：对于所有的 x 值， ε 呈随机化的常态分布 ， ε 的方差 σ 2 都相同。 5. 独立性假设 : ( 0 , σ 2 ) ① 独立性意味着对于一个特定的 x 值，它所对应的 ε 与其他 x 值所对 应的 ε 不相关。 ② 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不 相关。 ③ 误差项 ε 与自变量也相互独立。 一元线性回归模型（基本假定） 回归方程 （概念要点） 描述 y 的平均值或期望值如何依赖于 x 的方程称为 回归 方程 简单线性回归方程的形式如下 E ( y ) = b 0 + b 1 x ? 方程的图示是一条直线，因此也称为直线回归方程 ? b 0 是回归直线在 y 轴上的截距，是当 x =0 时 y 的期 望值 ? b 1 是直线的斜率，称为回归系数，表示当 x 每变动 一个单位时， y 的平均变动值 估计 ( 经验 ) 的回归方程 3. 简单线性回归中估计的回归方程为 其中： 是估计的回归直线在 y 轴上的截距， 是直线 的斜率，它表示对于一个给定的 x 的值，是 y 的估计 值，也表示 x 每变动一个单位时， y 的平均变动值 0 ? b 1 ? b 2. 用样本统计量 和 代替回归方程中的未知参 数 和 ，就得到了 估计的回归方程 0 ? b 1 ? b 0 b 1 b 1. 总体回归参数 和 是未知的，必需利用样本数 据去估计 0 b 1 b x y 1 0 ? ? ? b b + ? 回归模型的建立方法 ? 平均数方法 ? 最小二乘法：误差平方和最小 平均数法案例 最小二乘法 （概念要点） 最小 ? ? ? ?