第十三线性相关分析.pptx

会计学;; 二、 计算公式 样本相关系数的计算公式为;;; 三、应用线性相关系数r时应注意的问题： 1. r只表示两个服从正态分布的随机变量之间线性关系的密切程度和相关方向，r=0只能说X与Y之间无线性关系，并不能说X与Y之间无任何关系。 2. 相关关系并不一定是因果关系。相关分析的任务就是对相关关系给以定量的计算和描述。 ;第二节 相关系数的假设检验;; 例13-3 （续例13-1） 根据样本相关系数，对总体相关系数=0进行假设检验。 解： 1. t检验法 检验步骤如下： （1）建立假设，确定检验水准 。 H0: =0（变量间不存在线性相关关系）； H1: 0（变量间有线性相关关系）； ;检验步骤;2. 查表法 根据自由度 ，查附表13相关系数r界值表， ， ，本例r =0.91，所以P0.01，按 水准拒绝H0，接受H1，与 t 检验结论相同。;第四节 相关系数的可信区间; 转换后的Z统计量服从方差为 的正态分布，用下式计算Z统计量总体均数的100（1- ）%可信区间。当 时，即为95%可信区间。;最后，对此区间的上下限作反变换，;;第五节 直线回归与相关应用的注意事项; ; 相关关系不一定是因果关系，可能仅是表面上的伴随关系，或两个变量同时受另一因素的影响，如小孩的身高和小树的树高同时受时间的影响，在校儿童的鞋的大小和阅读技能同时受年龄的影响。 不能只根据相关系数r的绝对值的大小来推断两事物现象之间有无相关以及相关的密切程度，而必须对r进行相关系数的假设检验。另外，不要把相关系数的显著性误解为两事物或现象相关的强度，例如对于相关系数的假设检验来说，P0.01比P0.05更有理由认为相关关系成立，但并不能得出前者比后者相关关系更密切的结论，相关关系的强度是用r的绝对值来反映的。 ;2．进行相关、回归分析前应绘制散点图—第一步;3．资料的要求 ; 反应两变量关系密切程度或数量上影响大小的统计量应该是回归系数或相关系数的绝对值，而不是假设检验的P值。 P值越小???能说越有理由认为变量间的直线关系存在，而不能说关系越密切或越“显著”。另外，直线回归用于预测时，其适用范围一般不应超出样本中自变量的取值范围。