不可不知的回归分析与相关分析.docxVIP

不可不知的回归分析与相关分析 本文主要对回归分析、相关分析进行了简单的介绍。 “回归”一词是由英国生物学家和统计学家F.高尔顿（F.高尔顿）在一篇著名的遗传学论文（1877年）中首次提出的。在他的研究中，他发现身高较高或身材较矮的父母的孩子的身高倾向于回归（即回归）到人的平均身高。统计学家K.Pearson后来通过对数千名家庭成员身高的实际调查数据进一步证实了这一回归规律，并由此命名为“回归”。 然而，现代意义上的“回归”比其原始含义要广得多。一般来说，现代意义上的回归分析是研究一个变量（也称为explainedvariable或因变量dependentvariable）对另一个或多个变量（也称为解释变量explanatoryvariable或自变量independentvariable?）的依赖关系，其目的在于通过解释变量的给定值来预测被解释变量的平均值或某个特定值。 具体来说，回归分析要解决的问题主要包括： （1）确定因变量与自变量之间的回归模型，并依据样本观测值对回归模型中的参数进行估计，给出回归方程。 （2） 测试回归方程和方程本身中参数的显著性。 （3）评价自变量对因变量的贡献并对其重要性进行判别。 （4） 利用得到的回归方程，根据自变量的给定值，对因变量进行预测，并对自变量进行控制。 现象之间的相互