变量间的相关关系讲义.docx

欢迎阅读

变量间的相关关系讲义

一、基础知识梳理

知识点1：变量之间的相关关系

两个变量之间的关系可能是确定的关系（如：函数关系），或非确定性关系。当自变量取值一定时，因变量也确定，则为确定关系；当自变量取值一定时，因变量带有随机性，这种变量之间的关系称为相关关系。相关关系是一种非确定性关系，如长方体的高与体积之间的关系就是确定的函数关系，而人的身高与体重的关系，学生的数学成绩好坏与物理成绩的关系等都是相关关系。

注意：两个变量之间的相关关系又可分为线性相关和非线性相关，如果所有的样本点都落在某一函数曲线的附近，则变量之间具有相关关系（不确定性的关系），如果所有样本点都落在某一直线附近，那么变量之间具有线性相关关系，相关关系只说明两个变量在数量上的关系，不表明他们之间的因果关系，也可能是一种伴随关系。

点睛：两个变量相关关系与函数关系的区别和联系

相同点：两者均是两个变量之间的关系，不同点：函数关系是一种确定的关系，如匀速直线运动中时间t与路程s的关系，相关关系是一种非确定的关系，如一块农田的小麦产量与施肥量之间的关系，函数关系是两个随机变量之间的关系，而相关关系是非随机变量与随机变量之间的关系；函数关系式一种因果关系，而相关关系不一定是因果关系，也可能是伴随关系。

知识点2.散点图.

在考虑两个量的关系时，为了对变量之间的关系有一个大致的了解，人们常将变量所对应的点描出来，这些点就组成了变量之间的一个图，通常称这种图为变量之间的散点图。

从散点图可以看出如果变量之间存在着某种关系，这些点会有一个集中的大致趋势，这种趋势通常可以用一条光滑的曲线来近似，这种近似的过程称为曲线拟合。

对于相关关系的两个变量，如果一个变量的值由小变大时，另一个变量的的值也由小变大，这种相关称为正相关，正相关时散点图的点散布在从左下角到由上角的区域内。

如果一个变量的值由小变大时，另一个变量的值由大变小，这种相关称为负相关，负相关时散点图的点散步在从左上角到右下角的区域。

注意：画散点图的关键是以成对的一组数据，分别为此点的横、纵坐标，在平面直角坐标系中把其找出来，其横纵坐标的单位长度的选取可以不同，应考虑数据分布的特征，散点图只是形象的描述点的分布，如果点的分布大致呈一种集中趋势，则两个变量可以初步判断具有相关关系，如图中数据大致分布在一条直线附近，则表示的关系是线性相关，如果两个变量统计数据的散点图呈现如下图所示的情况，则两个变量之间不具备相关关系，例如学生的身高和学生的英语成绩就没有相关关系。

点睛：散点图又称散点分布图，是以一个变量为横坐标，另一变量为纵坐标，利用散点（坐标点）的分布形态反映变量统计关系的一种图形。特点是能直观表现出影响因素和预测对象之间的总体关系趋势。优点是能通过直观醒目的图形方式反映变量间关系的变化形态，以便决定用何种数学表达方式来模拟变量之间的关系。散点图不仅可传递变量间关系类型的信息，也能反映变量间关系的明确程度

知识点3：回归直线

回归直线的定义

如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫做回归直线。

回归直线的特征

如果能够求出这条回归直线的方程（简称回归方程），那么我们就可以比较清楚的了解对应两个变量之间的相关性，就像平均数可以作为一个变量的数据的代表一样，这条直线也可以作为两个变量之间具有相关关系的代表。

回归直线方程

一般地，设x与y是具有相关关系的两个变量，且相应n组观测值的n个点（x,y）（i=1,2，…，n）大致分布在

i i

一条直线的附近，求在整体上与这n个点最接近的一条直线，设此直线方程为y??bx?a，这里的y在上方加上

欢迎阅读

“?”是为了区分实际值y，表示当x取值x,y相应的观察值y而直线上对应于x,的纵坐标是y??bx?a

i i i

点睛：1）散点图中的点整体上分布在一条直线附近时，可以应用线性回归分析的方法分析数据；2）回归直线是反映：“从整体上看，各点与此直线的距离的和最小”的一条直线，它反映了具有线性相关关系的两个变量之间的规律；3）我们可以通过回归直线方程，由一个变量的值来推测另一个变量的值，解决生活中的实际问题；这种方法称为回归方法

知识点4：回归系数公式及相关问题

最小二乘法：求回归直线的关键是如何用数学的方法刻画从整体上看，各点与此直线的距离最小，假设我们已

经得到两个具有线性相关关系的变量的一组数据：(x,y

1 1

)