统计学 相关与回归分析.pptVIP

散点图 第三十页，共五十八页，2022年，8月28日 设计思想 第三十一页，共五十八页，2022年，8月28日 总体相关系数 二维随机变量总体(X, Y), 随机变量X和Y的总体相关系数： （数） 性质：（1） （2） 的充分必要条件是存在常数 和 使得 以概率1成立。 协方差 第三十二页，共五十八页，2022年，8月28日 第三十三页，共五十八页，2022年，8月28日 (随机变量) (数) 样本相关系数 例9.2 Pearson相关系数，样本相关系数 第三十四页，共五十八页，2022年，8月28日 例子 EXCEL: pearson( ) correl( ) 第三十五页，共五十八页，2022年，8月28日 图9.5 从二元总体中抽取的一个随机样本 为什么要检验？ 第三十六页，共五十八页，2022年，8月28日 相关系数检验 1.要检验的假设： 或 2.检验方法一—t检验 检验统计量 (原假设成立时) 例9.3 第三十七页，共五十八页，2022年，8月28日 3. 检验方法二——直接利用R的分布 总体相关系数检验更简单的方法: 直接查 R 分布的临界值表，即相关系数临界值表(附表九). 例9.3 第三十八页，共五十八页，2022年，8月28日 例 9.3 法一： t统计量 显著性水平0.05，查表得到临界值： 由于 ，所以否定原假设，接受备择假设，表明总体相关系数显著不为零，即人均国内生产总值与人均销售金额之间确实存在着线性相关关系。 方法二： 第三十九页，共五十八页，2022年，8月28日 普通最小二乘估计 正规方程组： 求解正规方程组得： 例子 第四十页，共五十八页，2022年，8月28日 例子 回归方程： Excel: Slope( ); intercept( ); steyx( ) 第四十一页，共五十八页，2022年，8月28日 第一页，共五十八页，2022年，8月28日 相关分析与回归分析是现代统计学中非常重要的内容，在自然、管理科学和社会经济领域有着十分广泛的应用。 在分析变量之间关系的时，常用的基本模型: (1)相关模型; (2)回归模型 实践中到底使用哪种模型取决于研究者的研究目的和数据的收集方式和条件。相关分析: 变量 X 和 Y 都被视为随机变量，服从二元分布；经典的回归分析: 通常变量 x 不是随机变量，在事先选好的值中取值，变量 Y 是随机变量，在变量 x 的给定值处有相应的观测值。 例1：太阳镜的日销售数量 Y 与日最高气温 X 之间的关系 例2：人均消费与人均GDP的关系 第二页，共五十八页，2022年，8月28日 相关分析与回归分析 相关分析 用一个指标来表明现象间相互依存关系的密切程度。 回归分析 根据相关关系的具体形态，选择一个合适的数学模型，来近似地表达变量间关系。 相关分析所研究的变量是对等关系；回归分析所研究的两个变量不是对等关系。 因果 第三页，共五十八页，2022年，8月28日 第四页，共五十八页，2022年，8月28日 本章内容 一、相关关系的概念和分类 二、线性相关关系的识别 三、一元线性回归分析 四、多元线性回归分析 五、非线性回归分析 相关分析 New New 第五页，共五十八页，2022年，8月28日 一、相关关系的概念和分类 一、函数关系和相关关系 二、相关关系的分类 相关程度、 相关方向、 相关形式、 变量多少、 相关性质 第六页，共五十八页，2022年，8月28日 二、线性相关关系的识别 （一）散点图 （例子） 最简单、最直观的识别方法, 但难以给出相关的程度. （二）直线相关系数 直线相关系数的设计思想 总体相关系数与Pearson相关系数 相关系数的检验 第七页，共五十八页，2022年，8月28日 三、一元线性回归分析 变量y对x的一元线性回归总体模型 一元线性回归方程 一元线性经验回归方程 估计方法：普通最小二乘估计 、标准误差 — 的估计 模型评价：可决系数、显著性检验1 2 预测方法：点预测，区间预测 将代入回归方程得=