讲相关分析与回归分析.pptVIP

1)模型拟合优度评价是指样本观测值聚集在样本回归线周围的紧密程度，也反应了回归方程对被解释变量的解释程度。SST=SSR+SSE(总变差，解释变差，剩余变差)可决系数：R2=SSR/SST=1-SSE/SST（一元线性回归方程）调整的可决系数：（多元线性回归方程）解释变量增多时，SSE减少，R2增加；有重要“贡献”的解释变量出现。第30页，共45页，星期日，2025年，2月5日2）回归方程整体显著性检验包含回归方程的显著性检验和回归系数的显著性检验两个部分。回归方程的显著性检验：检验线性关系是否显著(1)建立原假设：,即回归方程整体不显著；，即回归方程整体显著。(2)构造F统计量：(3)计算F统计量和对应的p值(4)对比p值和ɑ。第31页，共45页，星期日，2025年，2月5日3）回归系数的显著性检验(1)建立原假设：,即第j个回归系数不显著；，即第j个回归系数显著。(2)构造t统计量：(3)计算t统计量和对应的p值(4)对比p值和ɑ。第32页，共45页，星期日，2025年，2月5日第1页，共45页，星期日，2025年，2月5日内容概要概述相关分析偏相关分析回归分析曲线估计第2页，共45页，星期日，2025年，2月5日概述相关分析和回归分析都是分析客观事物之间相关性的数量分析方法。相互关系：函数关系与统计关系统计关系：不完全确定的随机关系，当一个或几个相互联系的变量取一定值时，与其相对应的另一个变量取值虽不确定，但会按照某种规律在一定范围内变化。线性相关：正/负非线性相关第3页，共45页，星期日，2025年，2月5日相关分析-散点图将数据以点的形式画在直角平面上。基本操作：图形-旧对话框-散点/点状第4页，共45页，星期日，2025年，2月5日相关系数两个步骤：计算样本相关系数r；对样本来自的两总体是否存在显著线性关系进行推断。提出零假设，即两总体无线性相关性；选择检验统计量；计算检验统计量的观测值和对应的概率p值；决策相关系数取值范围r=0|r|0.3|r|=0.3~0.5|r|=0.5~0.8|r|0.8|r|=1相关程度无相关微弱相关低度相关显著相关高度相关完全相关第5页，共45页，星期日，2025年，2月5日相关系数的分类 Pearson简单相关系数(皮尔逊)：用来度量正态分布的定距变量间的线性相关关系，Pearson简单相关系数不能用于度量变量之间的非线性关系Spearman秩相关系数(斯皮尔曼)：采用非参数检验方法来度量定序变量间的线性相关关系，由于数据为非定距变量，因此不能直接采用原始数据，而是利用数据的秩Kendallτ秩相关系数(肯德尔)：采用非参数检验方法来度量定序变量间的线性相关关系第6页，共45页，星期日，2025年，2月5日连续变量的相关分析Pearson简单相关系数：其中为协方差，为标准差。x和y是对称的，说明x与y的相关系数等同于y和x和相关系数；简单相关系数是无量纲的；x和y做线性变换后可能改变相关系数的符号，但不会改变值；只能度量线性关系，不能度量非线性关系的。第7页，共45页，星期日，2025年，2月5日对相关关系的显著性进行检验，该检验原假设是：两总体相关系数等于0。t统计量：，服从自由度为n-2的t分布。第8页，共45页，星期日，2025年，2月5日定序变量的相关分析-Spearmanui和vi分别表示变量x和y的秩变量，用di=ui-vi表示第i个样本对应于两变量的秩之差。Spearman秩相关公式：两变量正相关，秩变化有同步性，r趋向于1；两变量完全正线性相关，ui和vi相等，r=1;完全负相关，ui+vi=n+1,r=-1;检验系数，原假设为：两变量不相关。小样本，服从Spearman分布；大样本，服从标准正态分布。第9页，共45页，星期日，2025年，2月5日定序变量的相关分析-Kendall秩相关系数设在v1后面有R1个秩大于v1，v2后面有R2个秩大于v2,.....在vn-1后面有Rn-