直线回归和相关完整版.pptVIP

3 直线相关 相关系数 设有一X、Y 均为随机变量的双变数总体，具有N 对(X，Y)。 若在标有这N 个(X，Y)坐标点的直角坐标上移动坐标轴，将X轴和Y 轴分别平移到μX和μY上，则各点位置不变，而所取坐标变为(X-μX，Y-μY) 3 直线相关 II I IV III 3 直线相关 II I IV III 3 直线相关 II I IV III 3 直线相关 的值可用来度量两个变数直线相关程度和性质 但是，X 和Y 的变异程度、所取单位及N的大小都会影响 3 直线相关 为了具有可比性，需要将离均差转化为标准化离均差，再以N除之，从而得到双变数总体的相关系数 为： 3 直线相关 决定系数(determination coefficient) 从这个等式可以看出： y与x直线回归效果的好坏取决于回归平方和 和离回归平方和 或者说回归效果取决于回归平方和在总平方和中所占的比例 3 直线相关 决定系数(determination coefficient) 即： 这个比例越大，y与x的直线回归效果就越好， 反之则差。 我们把上式的比值叫做x对y的决定系数，记为r2 3 直线相关 决定系数(determination coefficient) 决定系数的大小表示了回归方程可靠程度的高低，或者说表示了回归直线拟合度的高低。 0≤r2≤1 决定系数表示了两个互为因果关系的相关变量间直线相关的程度。 3 直线相关 决定系数(determination coefficient) 因为 如果获得了一个回归方程： y=a+bx byx=b 如果将x变为依变数，方程可变为 x=-a/b+1/b*y bxy=1/b 那么r2=1 for ever! Why? 根据函数关系获得的 3 直线相关 根据统计关系获得的决定系数会是怎样的？ 如例1 以积温x为依变数，盛发期y为自变数，回归方程为： x=42.0-0.64y 以盛发期y为依变数，积温x为自变数，回归方程为： y=48.5-1.1x 那么 r2=-0.64×(-1.1)=0.7 因有误差的存在使统计关系不同于函数关系 3 直线相关 但决定系数介于0和1之间，不能反应直线关系的性质——是同向增减或是异向增减 若求r2的平方根，且取平方根的符号与乘积和SPxy的符号一致，这样求出的平方根既可表示y与x的直线相关的程度，也可表示直线相关的性质。 3 直线相关 把这样计算所得的统计量称为x与y的相关系数（coefficient of correlation），记为r，即 3 直线相关 -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 3 直线相关 相关关系都有哪些类型呢？ 相关关系 非线性相关 线性相关 正相关 正相关 负相关 负相关 完全相关 不相关 0r1 -1r0 r=0 r=0 零相关 正相关 负相关 零相关 r=0 r=0 r＝-1 r＝1 完全正相关 完全负相关 零相关 零相关 3 直线相关 相关系数和决定系数有何区别？ 决定系数是相关系数的平方值 除|r|=1 or 0外，r2|r| 因此，决定系数可以防止对相关系数所表示的相关程度作夸张的解释 r值可正可负，而r2都取正值，因此，在相关分析中可以将两者结合起来，即由r表示正或负的相关性质，由r2表示相关的程度 在多元回归分析中r2是表示一个回归方程优劣的重要参数 3 直线相关 相关系数和决定系数有何区别？ 相关系数实际是两个回归系数的几何平均值。这正反映了相关与回归的不同：相关是双向的关系，而回归是单向的。 3 直线相关 相关系数和决定系数有何区别？ 直线回归分析侧重于寻求它们之间的联系形式 ——直线回归方程 直线相关分析侧重于揭示它们之间的联系程度和性质 ——计算出相关系数。 两种分析所进行的显著性检验都是解决y与x间是否存在直线关系。因而二者的检验是等价的。 3 直线相关 所获得的r值有统计学意义吗？ 由于有抽样误差的，r是否能真正地表明相关关系的存在，还需进一步进行假设检验 ρ=0的假设检验 r本身不服从某个已知的理论分布，但当n5时ρ=0总体中的抽样分布近似与正态分布，因此，可用t检验，统计量为： 3 直线相关 根据例1的资料 r=－0.8344，作假设检验 提出假设：H0：? ? ? ；H1： ? ? 0 确定显著水平 计算得 t=-4.05 |t|t0.01 否定原