本科课件-统计学基础与应用（完整）.ppt

* * * * * * * * * * * * 第一节 相关分析的意义、种类 一、相关关系的性质 1.相关关系的概念 相关关系是现象间客观存在的，但其数值是不严格、不完全确定的相互依存关系。 2.相关关系的特点 第一、现象之间确实存在数量上的相互依存关系。 第二、现象之间数量上不确定、不严格的依存关系。 （一）相关关系的概念和特点 (二)相关关系与函数关系的区别和联系 1．区别 函数关系是变量之间的一种严格、完全确定性的关系，即一个变量的数值完全有另一个（或一组）变量的数值所决定、控制。 函数关系通常可以用数学公式确切地表示出来。 2．联系 由于客观上常会出现观察或测量上的误差等原因，函数关系在实际工作中往往通过相关关系表现出来。 二、相关关系的种类 1.按相关关系涉及的因素多少来分，可分为：单相关和复相关。 　 　　在实际工作中，如存在多个自变量，可抓住其中主要的自变量，研究其相关关系，而保持另一些因素不变，这时复相关可转化为偏相关。 　　二因素之间的相关关系称单相关，即只涉及一个自变量和一个因变量。 　　三个或三个以上因素的相关关系称复相关，或多元相关，即涉及二个或二个以上的自变量和因变量。 2.按相关关系的性质来分，可分为: 正相关和负相关 正相关是指两相关现象变化的方向是一致的。 负相关是指两相关现象变化的方向是相反的。 3. 按相关关系的形式来分，可分为： 直线相关和曲线相关 直线相关是指两个相关现象之间，当自变量X的数值发生变动时，因变量y随之发生近似于固定比例的变动，在相关图上的散点近似地表现为直线形式，因此称其为直线相关关系。 曲线相关是指两个相关现象之间，当自变量X的数值发生变动时，因变量y也随之发生变动，但这种变动在数值上不成固定比例，在相关图上的散点可表现为抛物线、指数曲线、双曲线等形式，因此称其为曲线相关关系。 4. 按相关程度分，可分为： 完全相关、不完全相关和不相关 完全相关就是相关现象之间的关系是完全确定的关系，因而完全相关关系就是函数关系。 不相关是指两现象之间在数量上的变化上各自独立，互不影响。 不完全相关就是介于完全相关和不相关之间的一种相关关系。相关分析的对象主要是不完全相关关系。 三、相关分析和回归分析的任务 （一）相关分析的主要内容 1.揭示现象之间是否存在相关关系。 2.确定相关关系的表现形式。 3.确定现象变量间相关关系的密切程度和方向。 （二）回归分析的主要内容 1.建立相关关系的回归方程。 2.测定因变量的估计值与实际值的误差程度。通过计算估计标准误差指标，可以反映因变量估计值的准确程度，从而将误差控制在一定范围内。 相关图表是相关分析的重要方法。通过相关图表可 以直观地判断现象之间呈现的相关的形态和方向。 相关表 简单相关表 分组相关表 单变量分组相关表 双变量分组相关表 相关图 利用直角坐标系第一象限，把自变量置于横轴上， 因变量置于纵轴上，在将两变量相对应的变量值 用坐标点形式描绘出来即可。 第二节 相关图表和相关关系 一、相关图表 二、相关系数 相关系数是测定变量之间相关密切程度的统计指标。 （一）相关系数的测定与应用 对r的解释如下：(即r的特点) (1) r取正值或负值决定于分子协方差； (2) r的绝对值，在0与1之间； (3) r的绝对值大小，可说明现象之间相关关系的紧密程度。 第三节 回归分析的比较 一、回归分析与相关分析的比较 （一）回归分析的概念 回归分析，是指在相关分析的基础上，把变量之间的具体变动关系模型化，求出关系方程式，就是找出一个能够反映变量间变化关系的函数关系式，并据此进行估计和推算。通过回归分析，可以将相关变量之间不确定、不规则的数量关系一般化、规范化。从而可以根据自变量的某一个给定值推断出因变量的可能值（或估计值）。 （二）回归分析与相关分析的区别与联系 1．回归分析与相关分析的区别 （1）相关分析所研究的两个变量是对等关系。回归分析所研究的两个变量不是对等关系，必须根据研究目的，先确定其中一个是自变量，另一个是因变量。 （2）对两个变量x和y 来说，相关分析只能计算出一个相关系数；回归分析则不同，有时可以根据研究目的不同分别建立两个不同的回归方程。 （3）相关分析对资料的要求是：两个变量都必须是随机变量。回归分析对资料的要求是，自变量是可以控制的变量（给定的变量），而因变量是随机变量。 （4）相关分析只研究变量间是否存在关系以及关系的密切程度。回归分析研究的是变量间存在的是什么关系，比相关关系分析更进一步。 2．回归分析与相关分析的联系