第六章 直线回归与相关分析

第六章 相关与回归分析方式第一部份 习题一、单项选择题1.单位产品本钱与其产量的相关；单位产品本钱与单位产品原材料消耗量的相关 ( )。

A.前者是正相关，后者是负相关 B.前者是负相关，后者是正相关2.样本相关系数r 的取值范围( )。

∞＜r ＜+∞≤r ≤1 C. -l ＜r ＜1 D. 0≤r ≤101y x ββ=+上，那么x 与y 之间的相关系数( )。

A.r ＝0B.r ＝1C.r ＝-1D.|r|＝14.相关分析与回归分析，在是不是需要确信自变量和因变量的问题上( )。

A.前者无需确信，后者需要确信 B.前者需要确信，后者无需确信5.直线相关系数的绝对值接近1时，说明两变量相关关系的紧密程度是( )。

6.年劳动生产率x(千元)和工人工资y(元)之间的回归方程为y=10+70x ，这意味着年劳动生产率每提高1千元时，工人工资平均( )。

7.下面的几个式子中，错误的选项是( )。

8.以下关系中，属于正相关关系的有( )。

9.直线相关分析与直线回归分析的联系表现为( )。

10.进行相关分析，要求相关的两个变量( )。

A.都是随机的B.都不是随机的11.相关关系的要紧特点是( )。

B.某一现象的标志与另外的标志之间存在着必然的关系，但它们不是确信的关系12.相关分析是研究( )。

13.现象之间彼此依存关系的程度越低，那么相关系数( )。

01y x ββ=+中，假设10β<，那么x 与y 之间的相关系数( )。

A. r=0B. r=1C. 0＜r ＜1D. —l ＜r ＜0 15.当相关系数r=0时，说明( )。

A.现象之间完全无关B.相关程度较小16.已知x 与y 两变量间存在线性相关关系，且210,8,7,100xy xy n σσσ===-=，那么x 与y 之间存在着( )。

17.计算估量标准误差的依据是( )。

A.因变量的数列B.因变量的总变差18.两个变量间的相关关系称为( )。

问：请详细说明相关分析与回归分析的相同与不同的地方相关分析与回归分析都是研究变量彼此关系的分析方式，相关分析是回归分析的基础，而回归分析则是熟悉变量之间相关程度的具体形式。

下面分为三个部份详细描述两种分析方式的异同：第一部份：相关分析一、相关的含义与种类（一）相关的含义相关是指自然与社会现象等客观现象数量关系的一种表现。

相关关系是指现象之间确实存在的必然的联系，但数量关系表现为不严格彼此依存关系。

即对一个变量或几个变量定必然值时，另一变量值表现为在必然范围内随机波动，具有非肯定性。

如：产品销售收入与广告费用之间的关系。

（二）相关的种类1. 按照自变量的多少划分，可分为单相关和复相关2. 按照有关关系的方向划分，可分为正相关和负相关3. 按照变量间彼此关系的表现形式划分，线性相关和非线性相关4.按照有关关系的程度划分，可分为不相关、完全相关和不完全相关二、相关分析的意义与内容(一)相关分析的意义相关分析是研究变量之间关系的紧密程度，并用相关系数或指数来表示。

其目的是揭露现象之间是不是存在相关关系，肯定相关关系的表现形式和肯定现象变量间相关关系的密切程度和方向。

(二)相关分析的内容1. 明确客观事物之间是不是存在相关关系2. 肯定相关关系的性质、方向与密切程度三、直线相关的测定（一）相关表与相关图1. 相关表在定性判断的基础上，把具有相关关系的两个量的具体数值依照必然顺序平行排列在一张表上，以观察它们之间的彼此关系，这种表就称为相关表。

2. 相关图把相关表上一一对应的具体数值在直角坐标系顶用点标出来而形成的散点图则称为相关图。

利用相关图和相关表，可以更直观、更形象地表现变量之间的彼此关系。

（二）相关系数1. 相关系数的含义与计算相关系数是直线相关条件下说明两个变量之间相关关系密切程度的统计分析指标。

相关系数的理论公式为：y x xy r δδδ2= （1）xy 2δ 协方差 x δ x 的标准差 y δ y 的标准差（2）xy 2δ 协方差对相关系数r 的影响，决定：⎩⎨⎧<>数值的大小正、负）或r r r (00简化式()()2222∑∑∑∑∑∑∑-⋅--=y y n x x n y x xy n r变形：分子分母同时除以2n 得 r =⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛-⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛-⨯-∑∑∑∑∑∑∑2222n y n y n x n x n y n x n xy =()[]()[]2222y y x xy x xy -*-⨯-=y x y x xy δδ-⨯-nx x x ∑-=2)(δ=()[]n x x x x ∑+⋅-222=()222x n x x n x +⋅⋅-∑∑ =()22x x -2. 相关系数的性质（1）r取值范围：r≤1 -1≤r≤1（2）r=1 r=±1 表明x与y之间存在着肯定的函数关系。

山东医药2020年第60卷第27期[6]Moreno V，Gonzalo P，Gomez-Escudero J，et al.An EMMPRIN-Y-catenin-Nm23complex drives ATP production and actomyosin contractility at endothelial junctions[J].J Cell Sci，2014，127(Pt17)：3768-3781.[7]Gong Y，Yang G，Wang Q，et al.NME2is a master suppressor ofapoptosis in gastric cancer cells via transcriptional regulation of miR-100and other survival factors[J] .Mol Cancer Res，2020，18(2)：287-299.[8]Jia J，Yin P，Zhang X，et al.Correlation of p16and nm23-H1ex­pression levels with incidence and prognosis of soft tissue sarcoma [J].Oncol Lett，2019，17(6)：4865-4870.[]陈文静，徐家辉,徐阳微，等.WTX与NME1在结直肠癌组织中的表达变化及其关系探讨[]•山东医药男016男6(34):4-7. [10]马燕飞，浦涧-nm23基因在原发性乳腺癌组织中的表达及意义[J].医学临床研究男015男2(8)：1582-1583.[11]Wu CE,Zhuang YW,Zhou JY,et al.Nm23-H1inhibits hypoxiainduced epithelial-mesenchymal transition and stemness in non­small cell lung cancer cells[J].Biol Chem,2019,400(6)：765-776.[12]曹维克男午文荣，朱伟，等•骨髓间质干细胞与肿瘤细胞中FN1,NME2、TIMP3基因表达检测[J].临床检验杂志,2006,24(2): 106-109.[13]Ke J,Lou J,Zhong R,et al.Identification of a potential regulatoryvariant for colorectal cancer risk mapping to3p21.31in Chinese population[J] -Sci Rep,2016,6：25194.[14]Edwards L,Gupta R,Filipp FV.Hypermutation of DPYD deregu­lates pyrimidine metabolism and promotes malignant progression [J].Mol Cancer Res,2016男4(2)：196-206.[15]Parris TZ,Kovacs A,Aziz L,et al.Additive effect of the AZGP1,PIP,S100A8and UBE2C molecular biomarkers improves outcome prediction in breast carcinoma[J].Int J Cancer,2014,134(7): 1617-1629.[16]Chapman EJ,Kelly G,Knowles MA.Genes involved in differenti­ation,stem cell renewal,and tumorigenesis are modulated in te­lomerase-immortalized human urothelial cells[J].Mol Cancer Res,2008,6(7)：1154-1168.[17]Li F,Hu G,Jiang Z,et al.Identification of NME5as a contribu­tor to innate resistance to gemcitabine in pancreatic cancer cells [J].FEBS J,2012,79(7):1261-1273.(：2019-12-23)•作者•编者•读者•直线相关与回归分析的区别和联系区别：①资料要求不同：直线相关分析要求两个变量都是正态分布；回归分析要求因变量Y服从正态分布，而自变量X是能精确测量和严格控制的变量。

回归分析与相关分析的联系：研究在专业上有一定联系的两个变量之间是否存在直线关系以及如何求得直线回归方程等问题，需进行直线相关和回归分析。

从研究的目的来说，若仅仅为了了解两变量之间呈直线关系的密切程度和方向，宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程，宜选用直线回归分析。

从资料所具备的条件来说，作相关分析时要求两变量都是随机变量（如：人的身长与体重、血硒与发硒）；作回归分析时要求因变量是随机变量，自变量可以是随机的，也可以是一般变量(即可以事先指定变量的取值，如：用药的剂量)。

在统计学教科书中习惯把相关与回归分开论述，其实在应用时，当两变量都是随机变量时，常需同时给出这两种方法分析的结果；另外，若用计算器实现统计分析，可用对相关系数的检验取代对回归系数的检验,这样到了化繁为简的目的。

回归分析和相关分析都是研究变量间关系的统计学课题，它们的差别主要是：1、在回归分析中，y被称为因变量，处在被解释的特殊地位，而在相关分析中，x与y处于平等的地位，即研究x与y的密切程度和研究y与x的密切程度是一致的；2、相关分析中，x与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非随机的，通常在回归模型中，总是假定x是非随机的；3、相关分析的研究主要是两个变量之间的密切程度，而回归分析不仅可以揭示x对y的影响大小，还可以由回归方程进行数量上的预测和控制。

1．为什么要对相关系数进行显著性检验？在对实际现象进行分析时，往往是利用样本数据计算相关系数（）作为总体相关系数（）的估计值，但由于样本相关系数具有一定的随机性，它能否说明总体的相关程度往往同样本容量有一定关系。

当样本容量很小时，计算出的不一定能反映总体的真实相关关系，而且，当总体不相关时，利用样本数据计算出的也不一定等于零，有时还可能较大，这就会产生虚假相关现象。

为判断样本相关系数对总体相关程度的代表性，需要对相关系数进行显著性检验。

A+1 B 0 C 0．5 D [1]5．回归系数和相关系数的符号是一致的，其符号均可用来判断现象( )A线性相关还是非线性相关B正相关还是负相关C完全相关还是不完全相关D单相关还是复相关6．某校经济管理类的学生学习统计学的时间()与考试成绩(y)之x间建立线性回归方程y c=a+b。

经计算，方程为y c=200—0.8x，该方程参数x的计算( )A a值是明显不对的B b值是明显不对的C a值和b值都是不对的 C a值和6值都是正确的7．在线性相关的条件下，自变量的均方差为2，因变量均方差为5，而相关系数为0．8时，则其回归系数为：( )A 8B 0.32C 2D 12．58．进行相关分析，要求相关的两个变量( )A都是随机的B都不是随机的C一个是随机的，一个不是随机的D随机或不随机都可以9．下列关系中，属于正相关关系的有( )A合理限度内，施肥量和平均单产量之间的关系B产品产量与单位产品成本之间的关系C商品的流通费用与销售利润之间的关系D流通费用率与商品销售量之间的关系10．相关分析是研究( )A变量之间的数量关系B变量之间的变动关系C变量之间的相互关系的密切程度D变量之间的因果关系11．在回归直线y c=a+bx，b<0，则x与y之间的相关系数( )A =0B =lC 0<<1D -1<<0r r r r12．在回归直线yc=a+bx中，b表示( )A当x增加一个单位，，y增加a的数量B当y增加一个单位时，x增加b的数量C当x增加一个单位时，y的均增加量D当y增加一个单位时，x的平均增加量13．当相关系数r=0时，表明( )A现象之间完全无关B相关程度较小C现象之间完全相关D无直线相关关系14．下列现象的相关密切程度最高的是( )A某商店的职工人数与商品销售额之间的相关系数0．87B流通费用水平与利润率之间的相关关系为-0．94C商品销售额与利润率之间的相关系数为0．51D商品销售额与流通费用水平的相关系数为-0．8115．估计标准误差是反映( )A平均数代表性的指标B相关关系的指标C回归直线的代表性指标D序时平均数代表性指标三、多项选择题1．下列哪些现象之间的关系为相关关系( )A家庭收入与消费支出关系B圆的面积与它的半径关系C广告支出与商品销售额关系D单位产品成本与利润关系E在价格固定情况下，销售量与商品销售额关系2．相关系数表明两个变量之间的( )A线性关系B因果关系C变异程度D相关方向E相关的密切程度3．对于一元线性回归分析来说( )A两变量之间必须明确哪个是自变量，哪个是因变量B回归方程是据以利用自变量的给定值来估计和预测因变量的平均可能值C可能存在着y依x和x依y的两个回归方程D回归系数只有正号E 确定回归方程时，尽管两个变量也都是随机的，但要求自变量是给定的。

第六章SPSS相关分析和回归分析第六章SPSS相关分析与回归分析6.1相关分析和回归分析概述客观事物之间的关系大致可归纳为两大类，即,函数关系:指两事物之间的一种一一对应的关系，如商品的销售额和销售量之间的关系。

,相关关系（统计关系）：指两事物之间的一种非一一对应的关系，例如家庭收入和支出、子女身高和父母身高之间的关系等。

相关关系乂分为线性相关和非线性相关。

相关分析和回归分析都是分析客观事物之间相关关系的数量分析方法。

6. 2相关分析相关分析通过图形和数值两种方式，有效地揭示事物之间相关关系的强弱程度和形式。

6.2. 1散点图它将数据以点的的形式画在直角坐标系上，通过观察散点图能够直观的发现变量间的相关关系及他们的强弱程度和方向。

6.2.2相关系数利用相关系数进行变量间线性关系的分析通常需要完成以下两个步骤：第一，计算样本相关系数r;,+1之间，相关系数r的取值在-1,R>0表示两变量存在正的线性相关关系;r〈0表示两变量存在负的线性相关关系,R,1表示两变量存在完全正相关;r, -1表示两变量存在完全负相关;r, 0表示两变量不相关,|r|>0.8表示两变量有较强的线性关系；r <0.3表示两变量之间的线性关系较弱第二，对样本来自的两总体是否存在显著的线性关系进行推断。

对不同类型的变量应采用不同的相关系数来度量，常用的相关系数主要有Pearson 简单，相关系数、Spearman等级相关系数和Kendall相关系数等。

6. 2. 2. 1 Pearson简单相关系数(适用于两个变量都是数值型的数据)(,)(,)yy, ixxi,r 22(,), (,) yy,, ixxiPearson简单相关系数的检验统计量为：rn, 22t,6. 2. 2. 2 Spearman等级相关系数Spearman等级相关系数用来度量定序变量间的线性相关关系，设计思想与Pearson 简1, r(,)xyii单相关系数相同，只是数据为非定距的，故计算时并不直接采用原始数据，而是利(,)xy(,)UViiii用数据的秩，用两变量的秩代替代入Pearson简单相关系数计算公式中，于是xyii其中的和的取值范禺被限制在1和n之间，且可被简化为:2nn6D, i22,,,,,其中rDUV1 (),, iii,, 2, nn(l)iillnn22DUV,, (),, iii,, llii,如果两变量的正相关性较强，它们秩的变化具有同步性，于是的值较小，r趋向于1；nn22DUV,, (),, iii,, Uii,如果两变量的正相关性较弱,它们秩的变化不具有同步性，于是的值较大，r趋向于0;,在小样本下，在零假设成立时，Spearman等级相关系数服从Spearman分布; 在大样本下，Spearman等级相关系数的检验统计量为Z统计•量，定义为：Zrn,, 1Z统计量近似服从标准正态分布。