第四章相关与回归.pptVIP

相关关系的测度

（相关系数取值及其意义）-1.0+1.00-0.5+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正相关程度增加第22页，共60页，星期日，2025年，2月5日相关系数只度量变量间的线性关系，因此，弱相关不一定表明变量间没有关系；极端值可能影响相关系数。警惕伪相关。相关关系可能是伪相关，即两变量的相关只是表面上的,它实际上由第三变量引起，当第三变量消失时,相关关系亦随之消失。请看下例。第23页，共60页，星期日，2025年，2月5日伪相关的例子：教堂数与监狱服刑人数同步增长美国印第安纳州的地区教会想要筹款兴建新教堂，提出教堂能洁净人们的心灵，减少犯罪，降低监狱服刑人数的口号。为了增进民众参与的热诚和信心，教会的神父收集了近15年的教堂数与在监狱服刑的人数进行统计分析。结果却令教会大吃一惊。最近15年教堂数与监狱服刑人数呈显著的正相关。那么是否可以由此得出，教堂建得越多，就可能带来更多的犯罪呢？**第24页，共60页，星期日，2025年，2月5日经过统计学家和教会神父深入讨论，并进一步收集近15年的当地人口变动资料和犯罪率等资料作进一步分析，发现：监狱服刑人数的增加和教堂数的增加都与人口的增加有关。教堂数的增加并非监狱服刑人数增加的原因。至此，教会人士总算松了一口气。**第25页，共60页，星期日，2025年，2月5日第26页，共60页，星期日，2025年，2月5日还可以有：第27页，共60页，星期日，2025年，2月5日1234第三节简单线性回归分析相关分析与回归分析的关系一元线性回归模型拟合程度的评价估计标准误**第28页，共60页，星期日，2025年，2月5日1877年弗朗西斯?高尔顿爵士在遗传学研究过程中测量了1078个父亲及成年儿子的身高，它们之间的数量关系如图1：**“回归”一词的由来：多数点子位于角平分斜线的两侧椭圆形面积之内，落在斜线上的点子极少，即儿子与父亲身高完全相同的极少。由点子落在斜线周围还说明，高个子的父亲有着较高身材的儿子，而矮个子父亲的儿子身材也比较矮。同时，我们也看到一些远离斜线的点子，这些点子反映的是父亲的身高与儿子的身高相差甚远的情况。比如高个子的父亲有矮儿子的情况，或者矮父亲有高个儿子的情况。45°线第29页，共60页，星期日，2025年，2月5日作相关分析知道，父亲身高和儿子身高的相关系数为0.501，表明高个子的父亲会有较高的儿子，而低个子父亲的儿子也比较低，但这种相关关系并不明显。那么，父子身高之间有什么规律呢？经过对1078对父子身高数据的计算，得到：父亲的平均身高=67.6英寸≈68英寸儿子的平均身高=68.7英寸≈69英寸儿子的平均身高比父亲高一英寸，表明下一代的平均身高比上一代要高?这样，我们会自然地猜测72英寸的父亲平均会有73英寸的儿子；64英寸的父亲平均会有65英寸的儿子。**第30页，共60页，星期日，2025年，2月5日图2中斜虚线是从父子身高推测的关系，即58英寸父亲有59英寸的儿子，59英寸的父亲有60英寸的儿子等等。图2中的实线是回归线。**在父亲身高64英寸和72英寸处的两个条形虚线，表明64英寸高父亲和72英寸高父亲的儿子们身高的分布情况第31页，共60页，星期日，2025年，2月5日回归regression平均身高图2表明64英寸高父亲的儿子们的身高多数高于65英寸，即较矮父亲的儿子们多少比父亲身材要高。而72英寸高父亲的儿子们身高多数低于73英寸，甚至多数低于与父亲同样高度的72英寸，即较高父亲的儿子们多数比父亲身材要矮。这种现象称为“回归效应”即回归到一般高度的效应。**第32页，共60页，星期日，2025年，2月5日一、回归分析与相关分析的关系1.相关分析就是用一个指标来表明现象间相互依存关系的密切程度。广义的相关分析包括相关关系的分析（狭义的相关分析）和回归分析。2.回归分析是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似地表达变量间的平均变化关系的一种统计分析方法。第33页，共60页，星期日，2025年，2月5日相关分析回归分析区别不必确定自变量和因变量必须事先确定哪个为自变量，哪个为因变量不能指出变量间相互关系的具体形式能确切的指出变量之间相互关系的具体形式变量一般都是随机变量因变量是随机的，自变量则作为研究时给定的非随机变量联系相关分析是回归分析的基础和前提；回归分析是相关分析的深入和继续。**第34页，共60