52291统计学基础电子课件第八章.pptxVIP

第八章 相关与回归;第一节 相关关系的概念与种类;2.相关关系（也称非确定性关系） 即变量之间显然存在着密切的关系，但不是确定的依存关系。其特点是对于一个（或一组）变量的每一个确定的值，另一个变量有多个值与之对应，这种关系不能用普通函数来表达。例如单位面积上的粮食产量与施肥量有关，即在一定范围内，随着施肥量的增加，粮食产量也相应有所提高。; 二、相关关系的分类; （二）线性相关和非线性相关 从变量之间相互关系的表现形式来看，相关可以分为线性相关和非线性相关。线性相关也称直线相关，是指当一个变量每增（减）1个单位，另一相关变量按一个近似固定的增（减）量变化。从散点图上看，其观测点的分布近似地表现为一条直线形式，见图8-1(a)与(b)所示；非线性相关也称曲线相关，是指当一个变量每增（减）1个单位，另一相关变量按不固定的增（减）量变化。从散点的分布近似地表现为某种曲线形式。见图8-2所示。 ; （三）正相关和负相关 从变量之间变化的方向来看，线性相关可以分为正相关和负相关。正相关是指相关变量按同一方向变化，即当一个变量的值增加时，另一个变量的值也相应地增加，见图8-1（a）所示；负相关是指相关变量按反方向变化，即当一个变量的值增加时，另一个变量的值却相应地减少，见图8-1（b）所示。 ; （四）完全相关、不相关和不完全相关 从变量之间关系的密切程度来看，相关可以分为完全相关、不相关和不完全相关。完全相关是指变量之间的关系是函数关系，见图8-3所示。不相关是指变量之间不存在关系，相互独立，见图8-4所示。不完全相关是指变量之间的关系介于完全相关和不相关之间，见图8-1和图8-2所示。相关分析和回归分析研究的主要是不完全相关的问题。 ;第二节 相关分析的内容与方法;二、相关分析的主要方法; （2）分组相关表。如果原始资料很多，绘制相关图、编制简单相关表都不方便，可以编制分组相关表。 分组相关表是将原始资料进行分组而编制的相关表。按分组的情况不同，分为单变量分组表与双变量分组表两种。 1）单变量分组表，是具有相关关系的两个??量中，只根据一个变量进行分组，计算出变量组和平均数的相关表。例如为研究某县 40 块耕地每亩施肥量与小麦亩产量的相依关系，编制单变量分组表见表 8-2。 ;②双变量分组表，是对自变量和因变量都进行分组编制的相关表。 双变量分组表也叫棋盘式相关表。如果将上述40块耕地每亩施肥量与小麦亩产量的资料编制成双变量分组表如表 8-3 。; 2．相关图 相关图是根据原始数据或分组表将对应数值在坐标图上用点画出来，以表明相关点的分布状况。一般地说，把自变量（x）置于横轴上 ,因变量（y）置于纵轴上。通过相关图，可以大致看出两个现象之间有没有关系，是什么样的关系，密切程度如何。根据表 8-2 的资料，可绘制施肥量与小麦亩产量的相关图，如图 8-5 所示。;（二）相关系数 相关表和相关图只能反映相关关系的方向和形态，却不能说明相关关系的密切程度，为此，需要计算相关系数。相关系数是描述两个现象之间线性相关关系密切程度的数字指标。计算相关系数的方法很多，以英国统计学家皮尔生的积差法为基本方法，其公式为： ;【例8-1】以某厂机床使用年限与维修费的资料为例说明相关系数的计算。;用积差法计算相关系数，需计算离差，计算过程较繁杂，实际工作中一般采用简算公式：;表8-5 相关系数简算公式计算表; （三）相关密切程度的判断 ;第三节 回归分析; 二、回归分析与相关分析的区别与联系 回归分析和相关分析是互相补充、密切联系的。相关分析需要回归分析来表明现象数量关系的具体形式，而回归分析则应该建立在相关分析的基础上。依靠相关分析，表明现象的数量变化具有密切的相关关系后，进行回归分析才有意义。;三、回归分析的种类 ; 拟合回归直线的主要问题就在于估计待定参数a和b的值。常用的方法是最小二乘法，用这种方法求出的回归直线是实测资料的“最佳”拟合直线。这和最小二乘法求直线趋势方程一样，只要将 (5.9) 式中时间变量的符号 t 改为自变量x, 即可得如下方程组：;【例8-2】某产品的产量与单位成本的资料与有关计算结果见表 8-6。;此回归方程表示产量每增加1000 件，单位成本平均下降1.82 元。我们知道当回归系数 b 的符号为正时，自变量和因变量按相同方向变动；当 b 的符号为负时，自变量和因变量按相反方向变动。这里 b=-1.82, 说明产量与单位成本成反比例变化，即产量越大，成本越低。;（二）回归效果检验 ;用8-2中的资料来说明回归标准差的计算方法。中间数据的计算见表 8-7;（三）回归系数、回归标准差与相关系数的关系;