理论统计学课件-相关与回归.pptVIP

相关与回归 第一节　相关分析 一、相关分析的概念 相关分析是研究分析一个变量(y)与另一个变量(x)或另一组变量之间相关密切程度和相关方向的一种统计分析方法。现象之间的数量关系，存在着两种不同的类型：函数关系和相关关系 在具有相关关系的现象或变量中，作为变化根据的变量叫做自变量(x)，产生对应变化的变量叫做因变量(y)。　 二、相关关系的类型 　　现象之间的相关关系从不同的角度可以区分为不同的类型。 1.按相关的方向，线性相关可分为正相关和负相关。 2.按相关形式可分为线性相关和非线性相关。 3.按影响因素多少可分为单相关和复相关。 4.按相关程度可分为完全相关、不完全相关和不相关。 三、相关图表 在定性认识的基础上，把具有相关关系的原始资料，平行排列在一张表上，以观察它们之间的相互关系，这种表称为简单相关表。在作平行排列时，应按一变量的标志值,以大小顺序排列。 　 相关图 也称散点图，它利用直角坐标系，将自变量x 置于横轴上，因变量y置于纵轴上， 而将所观测到的两变量相对应的变量值用坐标点描绘出来，用以表明相关点的分布状况。 根据散点图，可以直观地看出变量之间相互关系的模式。 四、相关系数 　　相关系数是测定两个变量x与y之间是否存在线性相关关系，及其相关的方向和密切程度的数量指标。基本公式： 　　　 n∑xy－∑x∑y r＝───────────── √n∑x2－(∑x)2 √n∑y2－(∑y)2 　　　　　。 相关系数r的性质如下 (1)当｜r｜＝1时，完全线性相关 (2)当r＝0时，完全没有线性相关 (3) 当0＜｜r｜＜1时，表示x与y存在着 一定程度的线性相关。 ｜r｜愈接近于1，相关程度愈高,反之愈低. (4)当r＞0时，表示x与y为正相关。 ( 5)当r＜0时，表示x与y为负相关。 五、线性相关的显著性检验 　　|r|与r(a,n-2)进行比较， r(a,n-2)为相关系数的临界值。具体判断规则如下： 1 |r| r(1%,n-2), -----高度相关 2 r(5%,n-2) |r| r(1%,n-2)---显著相关 3 |r| r(5%,n-2)----无明显的线性 关系 第二节简单直线回归分析 一、简单直线回归分析的特点 　　1.两个变量之间不是对等关系，应首先确 定自变量和因变量。 2.相关系数是个抽象的系数，而回归分析中的回归方程。 　 3.有些现象的自变量和因变量不能互换。 4.直线回归方程中的回归系数也有正负。 5.回归分析中的自变量是给定的数值，不是随机的，而因变量是随机的。 二、简单直线回归方程 　　　y＝a＋bx 　式中：a、b是待定参数，a是直线的截距，b是回归系数， x是自变量，y是因变量。 在直线回归方程中，如何确定一条直线来代表各个相关点的变动趋势。 　　 根据这两个标准方程式，可以解出a、b两个待定参数： ∑x2∑y－∑x∑xy 　　a＝───────── n∑x2－(∑x)2 n∑xy－∑x∑y 　　b＝──────── n∑x2－(∑x)2　 三、估计标准误差 1.估计平均误差的计算。通常用Sy代表估计平均误差，其计算公式为： ∑(y－yc)2 Sy2＝ ────── n－2 或: Sy2=(∑y2 -a∑y-b∑xy)/(n-2) 2.估计标准误差的含义 估计标准误差是一个衡量回归方程代表性大小的分析指标。