下载文档原格式
第9章相关与回归分析【教学内容】相关分析与回归分析是两种既有区别又有联系的统计分析方法。
本章阐述了相关关系的概念与特点;相关关系与函数关系的区别与联系;相关关系的种类;相关关系的测定方法(直线相关系数的含义、计算方法与运用);回归分析的概念与特点;回归直线方程的求解及其精确度的评价;估计标准误差的计算。
【教学目标】1、了解相关与回归分析的概念、特点和相关分析与回归分析的区别与联系；2、掌握相关分析的定性和定量分析方法；3、掌握回归模型的拟合方法、对回归方程拟合精度的测定和评价的方法。
【教学重、难点】1、相关分析与回归分析的概念、特点、区别与联系；2、相关与回归分析的有关计算公式和应用条件。
第一节相关分析的一般问题一、相关关系的概念与特点（一）相关关系的概念在自然界与人类社会中,许多现象之间是相互联系、相互制约的,表现在数量上也存在着一定的联系。
这种数量上的联系和关系究其实质,可以概括为两种不同类型,即函数关系与相关关系。
相关关系:是指现象之间客观存在的,在数量变化上受随机因素的影响,非确定性的相互依存关系。
例如,商品销售额与流通费用率之间的关系就是一种相关关系。
（二）相关关系的特点1、相关关系表现为数量相互依存关系。
2、相关关系在数量上表现为非确定性的相互依存关系。
二、相关关系的种类1、相关关系按变量的多少,可分为单相关和复相关2、相关关系从表现形态上划分,可分为直线相关和曲线相关3、相关关系从变动方向上划分,可分为正相关和负相关4、按相关的密切程度分,可分为完全相关、不完全相关和不相关三、相关分析的内容相关分析是对客观社会经济现象间存在的相关关系进行分析研究的一种统计方法。
其目的在于对现象间所存在的依存关系及其所表现出的规律性进行数量上的推断和认识,以便为回归分析提供依据。
相关分析的内容和程序是:(1)判别现象间有无相关关系(2)判定相关关系的表现形态和密切程度第二节相关关系的判断与分析一、相关关系的一般判断（一）定性分析对现象进行定性分析,就是根据现象之间的本质联系和质的规定性,运用理论知识、专业知识、实际经验来进行判断和分析。
第九章相关与回归分析习题一、单选题1．下面的函数关系是（）。
A、销售人员测验成绩与销售额大小的关系B、圆周的长度决定于它的半径C、家庭的收入和消费的关系D、数学成绩与统计学成绩的关系2．若要证明两变量之间线性相关程度是高的，则计算出的相关系数应接近于（）。
A、+1B、0C、0.5D、+1或-13．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4．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、12.55．下面现象间的关系属于相关关系的是（）。
A、圆的周长和它的半径之间的关系B、价格不变条件下,商品销售额与销售量之间的关系C、家庭收入愈多,其消费支出也有增长的趋势D、正方形面积和它的边长之间的关系6．下列关系中，属于正相关关系的是（）。
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7．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8．在回归直线y=a+bx中，b<0，则x与y之间的相关系数( )。
A、r=0B、r=lC、0<r<1D、-1<r<09．在回归直线y=a+bx中，b表示（）。
A、当x增加一个单位时，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的平均增加量D、当y增加一个单位时，x的平均增加量10．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11．下列现象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-0.8112．估计标准误差是反映（）。
郑州轻工业学院数学与信息科学系第九章：相关分析与一元回归分析概率统计教研组变量之间的关系可以分为函数关系和相关关系两类，函数关系表示变量间确定的对应关系，而相关关系则是变量间的某种非确定的依赖关系．相关分析主要是研究随机变量间相关关系的形式和程度，在相关关系的讨论中，两个变量的地位是同等的，所使用的测度工具是相关系数，而回归分析则侧重考察变量之间的数量伴随关系，并通过一定的数学表达式将这种数量关系描述出来，用于解决预测和控制等实际问题．本章主要学习相关分析和一元回归分析的有关概念、理论和方法．●【回归名称的来历】―回归”这一词最早出现在1885年，英国生物学家兼统计学家——弗朗西斯⋅高尔顿（Francis Galton ）在研究遗传现象时引进了这一名词．他研究分析了孩子和父母身高关系后发现：虽然高个子的父母会有高个子的后代，但后代的增高并不与父母的增高等量．他称这一现象为“向平常高度的回归”．尔后，他的朋友麦尔逊等人搜集了上千个家庭成员的身高数据，分析出儿子的平均身高和父亲的身高x 大致为如下关系：(英寸) 93.33516.0ˆ+=y●【回归名称的来历】这表明：(1)父亲身高增加1英寸，儿子的身高平均增加0.516英寸.(2)高个子父辈有生高个子儿子的趋势，但儿子的平均身高要比于父辈低一些．如x =80，那么低于父辈的平均身高．(3)低个子父辈的儿子们虽为低个子，但其平均身高要比父辈高一些．如x =80，那么高于父辈的平均身高,01.75ˆ=y,01.75ˆ=y●【回归名称的来历】可见儿子的高度趋向于“回归”到平均值而不是更极端，这就是“回归”一词的最初含义．诚然，如今对回归这一概念的理解并不是高尔顿的原意，但这一名词却一直沿用下来，成为数理统计中最常用的概念之一．回归分析的思想早已渗透到数理统计学科的其他分支，随着计算机的发展和各种统计软件的出现，回归分析的应用越来越广泛．主要内容§9.1相关分析§9.2回归分析在大量的实际问题中，随机变量之间虽有某种关系，但这种关系很难找到一种精确的表示方法来描述．例如，人的身高与体重之间有一定的关系，知道一个人的身高可以大致估计出他的体重，但并不能算出体重的精确值．其原因在于人有较大的个体差异，因而身高和体重的关系，是既密切但又不能完全确定的关系．随机变量间类似的这种关系在大自然和社会中屡见不鲜．例如，农作物产量与施肥量的关系，商业活动中销售量与广告投入的关系，人的年龄与血压的关系，每种股票的收益与整个市场收益的关系，家庭收入与支出的关系等等这种大量存在于随机变量间既互相联系，但又不是完全确定的关系，称为相关关系．从数量的角度去研究这种关系，是数理统计的一个任务．这包括通过观察和试验数据去判断随机变量之间有无关系，对其关系大小作出数量上的估计，我们把这种统计分析方法称为相关分析．相关分析通常包括考察随机变量观测数据的散点图、计算样本相关系数以及对总体相关系数的显著性检验等内容．●9.1.1散点图散点图是描述变量之间关系的一种直观方法．我们用坐标的横轴代表自变量X ，纵轴代表因变量Y ，每组观测数据(x i ，y i )在坐标系中用一个点表示，由这些点形成的散点图描述了两个变量之间的大致关系，从中可以直观地看出变量之间的关系形态及关系强度．图9-1 不同形态的散点图(a)(b)(c)(d)●9.1.1散点图图9-1 不同形态的散点图从散点图可以看出，变量间相关关系的表现形态大体上可分为线性相关、非线性相关、不相关等几种．就两个变量而言，如果变量之间的关系近似地表现为一条直线，则称为线性相关，如图9-1(a)和(b)；(a)(b)(c)(d)●9.1.1散点图图9-1 不同形态的散点图如果变量之间的关系近似地表现为一条曲线，则称为非线性相关或曲线相关；如图9-1(c)；如果两个变量的观测点很分散，无任何规律，则表示变量之间没有相关关系，如图9-1(d)．(a)(b)(c)(d)●9.1.1散点图图9-1 不同形态的散点图在线性相关中，若两个变量的变动方向相同，一个变量的数值增加，另一个变量的数值也随之增加，或一个变量的数值减少，另一个变量的数值也随之减少，则称为正相关，如图9-1(a)；(a)(b)(c)(d)●9.1.1散点图图9-1 不同形态的散点图若两个变量的变动方向相反，一个变量的数值增加，另一个变量的数值随之减少，或一个变量的数值减少，另一个变量的数值随之增加，则称为负相关，如图9-1(b)．(a)(b)(c)(d)●9.1.1散点图通过散点图可以判断两个变量之间有无相关关系，并对变量间的关系形态做出大致的描述，但散点图不能准确反映变量之间的关系密切程度．因此，为准确度量两个变量之间的关系密切程度，需要计算相关系数．●9.1.2相关系数相关系数是对两个随机变量之间线性关系密切程度的度量．若相关系数是根据两个变量全部数据计算的，称为总体相关系数．设X ，Y 为两个随机变量，由定义4.5知，当D (X )D (Y )≠0时，总体相关系数的计算公式为：其中Cov (X ，Y )为变量X 和Y 的协方差，D (X )和D (Y )分别为X 和Y 的方差．,),(Cov DY DX Y X XY =ρ●9.1.2相关系数设(x i ，y i )，i =1，2，…，n ，为(X ，Y )的样本，记,11∑==n i i x n x ,11∑==ni i y n y ,)(11122∑=--=n i i x x x n s ∑=--=ni i y y y n s 122)(11●9.1.2相关系数【定义9.1】若s x s y ≠0，称为{x i }和{y i }的相关系数（也可简称为样本相关系数）．r xy 常简记为r ．r xy 的性质：(1)|r xy |≤1(2)|r xy |=1时，(x i ，y i )，i =1，2，…，n 在一条直线上．∑∑==----==n i i in i i i y x xyxy y y x xy y x x s s s r 1221)()())((●9.1.2相关系数【定义9.2】当r>0时，称{x i}和{y i}正相关，当r xy<0时，xy}和{y i}负相关，当r xy=0时，称{x i}和{y i}不相关称{xi实际应用中，为了说明{x}和{y i}的相关程度，通常将相i关程度分为以下几种情况：当|r|≥0.8时，可视{x i}与{y i}为高度线性相关；xy0.5≤|r|<0.8时，可视{x i}与{y i}为中度线性相关；xy0.3≤|r|<0.5时，视{x i}与{y i}为低度线性相关；xy当|r|<0.3时，说明{x i}与{y i}的线性相关程度极弱.xy●9.1.2相关系数说明：(1)有时个别极端数据可能影响样本相关系数，应用中要多加注意．(2)r xy=0，只能说明{x i}与{y i}之间不存在线性关系，并不能说明{xi}与{y i}之间无其他关系．(3)一般情况下，总体相关系数ρXY是未知的，通常是将样本相关系数rxy 作为ρXY的估计值，于是常用样本相关系数推断两变量间的相关关系．这一点要和相关系数的显著性检验结合起来应用．9.1.2相关系数【例9-1】用来评价商业中心经营好坏的一个综合指标是单位面积的营业额，它是单位时间内(通常为一年)的营业额与经营面积的比值．对单位面积营业额的影响因素的指标有单位小时车流量、日人流量、居民年平均消费额、消费者对商场的环境、设施及商品的丰富程度的满意度评分．这几个指标中车流量和人流量是通过同时对几个商业中心进行实地观测而得到的．而居民年平均消费额、消费者对商场的环境、设施及商品的丰富程度的满意度评分是通过随机采访顾客而得到的平均值数据．9.1.2相关系数【例9-1】某市随机抽取20个商业中心有关数据图9-2 商业中心经营状况指标与数据9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解:设各指标（变量）的变量名分别为：单位面积营业额：y，每小时机动车流量：x1，日人流量：x2，居民年消费额：x3，对商场环境的满意度：x4，对商场设施的满意度：x5，为商场商品丰富程度满意度：x6．(1)利用Excel分别作出y与x1，x2，…，x6的散点图.●9.1.2相关系数【例9-1】解:图9-3 y与x1，x2，…，x6的散点图可以看到，各散点图的散点分布和一条直线相比均有一定差别.●9.1.2相关系数【例9-1】解:图9-3 y与x1，x2，…，x6的散点图其中单位面积营业额（y）与日人流量（x2）、居民年消费额（x3）的线性关系相对较明显一些.●9.1.2相关系数【例9-1】解:图9-3 y与x1，x2，…，x6的散点图y与商场商品丰富程度满意度（x6）有一定的线性关系，而y与其余几个变量的线性关系较弱．●9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解:(1)利用Excel分别作出y与x1，x2，…，x6的散点图.实验操作：编号y x1x2x3x4x5x61 2.50.51 3.9 1.947962 3.20.26 4.24 2.867463 2.50.72 4.54 1.618874 3.4 1.23 6.98 1.92610105 1.80.69 4.210.7184760.90.36 2.910.625657 1.70.13 1.43 1.884928 2.60.58 4.14 1.9971069 2.10.81 4.660.9685710 1.90.37 2.15 1.8749311 3.4 1.26 6.47 2.110101012 3.90.12 5.33 3.475671310.23 2.530.5652414 1.70.56 3.780.7774615 2.6 1.04 5.53 1.3107916 2.7 1.18 5.98 1.2887917 1.40.61 1.27 1.4867118 3.2 1.05 5.77 2.1671099.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．,x2,…,x6的相关系数解：(2)利用Excel分别计算y与x1A B C D E F G22y与x1y与x2y与x3y与x4y与x5y与x6230.41270.790480.794330.341240.450200.69749=CORREL($B2:$B21,C2:C21)计算准备9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解：(2)利用Excel分别计算y与x,x2,…,x6的相关系数1编号y x1x2x3x4x5x61 2.50.51 3.9 1.947962 3.20.26 4.24 2.867463 2.50.72 4.54 1.618874 3.4 1.23 6.98 1.92610105 1.80.69 4.210.7184760.90.36 2.910.625657 1.70.13 1.43 1.884928 2.60.58 4.14 1.9971069 2.10.81 4.660.9685710 1.90.37 2.15 1.8749311 3.4 1.26 6.47 2.110101012 3.90.12 5.33 3.475671310.23 2.530.5652414 1.70.56 3.780.7774615 2.6 1.04 5.53 1.3107916 2.7 1.18 5.98 1.2887917 1.40.61 1.27 1.4867118 3.2 1.05 5.77 2.16710919 2.9 1.06 5.71 1.7469920 2.50.58 4.11 1.85796y与x1y与x2y与x3y与x4y与x5y与x60.410.790.790.340.450.7计算结果●9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解：(2)利用Excel分别计算y与x1,x2,…,x6的相关系数从相关系数的取值来看，单位面积营业额（y）与日人流量（x2）、居民年消费额（x3）接近高度相关；A B C D E F G 22y与x1y与x2y与x3y与x4y与x5y与x6 230.41280.79050.79430.34120.45020.69749●9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解：(2)利用Excel分别计算y与x1,x2,…,x6的相关系数y与商场商品丰富程度满意度（x6）则属于中度相关；A B C D E F G 22y与x1y与x2y与x3y与x4y与x5y与x6 230.41280.79050.79430.34120.45020.69749●9.1.2相关系数【例9-1】图9-2所示的Excel工作表为从某市随机抽取的20个商业中心有关数据，试据此分析单位面积年营业额与其他各指标的相关关系．解：(2)利用Excel分别计算y与x1,x2,…,x6的相关系数y与每小时机动车流量（x1）、对商场环境的满意度（x4）、对商场设施的满意度（x5）为低度相关；A B C D E F G22y与x1y与x2y与x3y与x4y与x5y与x6 230.41280.79050.79430.34120.45020.69749●9.1.3相关性检验设(xi ，yi)，i=1，2，…，n，为(X，Y)的样本，相关性检验也就是检验总体X，Y的相关系数是否为0，通常采用费歇尔（Fisher）提出的t分布检验，该检验可以用于小样本，也可以用于大样本．检验的具体步骤如下：1)提出假设：假设样本是从不相关的两个总体中抽出的，即H0：ρXY= 0，H1：ρXY≠ 0如果否定了H就认为X，Y是相关的．●9.1.3相关性检验2)可以证明，当H 0成立时，统计量 因为H 0立时，|r xy |应该很小，从而T 的观测值应该取值较小，于是，在显著水平α下H 0的拒绝域是若T 的观测值记为t 0，衡量观测结果极端性的P 值：P = P {| T | ≥ | t 0|} = 2P {T ≥ | t 0 |})2(~122---=n t r n r T xyxy212xyxyr n r t --=)},2(|{|2/-≥n t t α●9.1.3相关性检验【例9-2】利用例9-1的数据，在显著水平 =0.05下，检验单位面积营业额与各变量之间的相关性．解：在例9.1的Excel工作表中继续如下操作:A B C D E F G22y与x1y与x2y与x3y与x4y与x5y与x623r=0.41270.790480.794330.341240.450200.69749 =B23*SQRT(20-2)/SQRT(1-B23^2)24t= 1.9224 5.4756 5.5519 1.5402 2.1391 4.129625P=0.0705 3.36E-05 2.86E-050.14090.46390.0006 =TDIST(B24,20-2,2)计算准备●9.1.3相关性检验【例9-2】利用例9-1的数据，在显著水平 =0.05下，检验单位面积营业额与各变量之间的相关性．解：在例9.1的Excel工作表中继续如下操作:编号y与x1x1x2x3x4x5x61 2.50.51 3.9 1.947962 3.20.26 4.24 2.867463 2.50.72 4.54 1.618874 3.4 1.23 6.98 1.92610105 1.80.69 4.210.7184760.90.36 2.910.625657 1.70.13 1.43 1.884928 2.60.58 4.14 1.9971069 2.10.81 4.660.9685710 1.90.37 2.15 1.8749311 3.4 1.26 6.47 2.110101012 3.90.12 5.33 3.475671310.23 2.530.5652414 1.70.56 3.780.7774615 2.6 1.04 5.53 1.3107916 2.7 1.18 5.98 1.2887917 1.40.61 1.27 1.4867118 3.2 1.05 5.77 2.16710919 2.9 1.06 5.71 1.7469920 2.50.58 4.11 1.85796y与x1y与x2y与x3y与x4y与x5y与x6r=0.412710.790480.794330.341240.45020.69749t= 1.92235 5.47556 5.54751 1.54023 2.13905 4.12956P=0.07053 3.4E-05 2.9E-050.14090.046390.00063计算结果●9.1.3相关性检验【例9-2】利用例9-1的数据，在显著水平 =0.05下，检验单位面积营业额与各变量之间的相关性．解：在例9.1的Excel工作表中继续如下操作:检验结果来看，单位面积营业额（y）与日人流量(x2)、居民年消费额(x3)、商场商品的丰富程度满意度(x6)、A B C D E F G 22y与x1y与x2y与x3y与x4y与x5y与x6 23r=0.41270.790480.794330.341240.450200.69749 24t= 1.9224 5.4756 5.5519 1.5402 2.1391 4.1296 25P=0.0705 3.36E-05 2.86E-050.14090.46390.0006●9.1.3相关性检验【例9-2】利用例9-1的数据，在显著水平α=0.05下，检验单位面积营业额与各变量之间的相关性． 解：在例9.1的Excel 工作表中继续如下操作:对商场设施的满意度(x 5)的相关系数显著不为0(P <α=0.05),即其相关性显著；A B C D E F G 22y 与x1y 与x2y 与x3y 与x4y 与x5y 与x623r =0.41270.790480.794330.341240.450200.6974924t = 1.9224 5.4756 5.5519 1.5402 2.1391 4.129625P =0.07053.36E-052.86E-050.14090.46390.0006●9.1.3相关性检验【例9-2】利用例9-1的数据，在显著水平 =0.05下，检验单位面积营业额与各变量之间的相关性． 解：在例9.1的Excel 工作表中继续如下操作:而不能拒绝y 与每小时机动车流量（x 1）、对商场环境的满意度（x 4）相关系数为0的假设（P >0.05），即其相关性不显著．A B C D E F G 22y 与x1y 与x2y 与x3y 与x4y 与x5y 与x623r =0.41270.790480.794330.341240.450200.6974924t = 1.9224 5.4756 5.5519 1.5402 2.1391 4.129625P =0.07053.36E-052.86E-050.14090.46390.0006回归分析是针对两个或两个以上具有相关关系的变量，研究它们的数量伴随关系，并通过一定的数学表达式将这种关系描述出来，建立回归模型．回归分析中总假设因变量是随机变量，自变量可以是随机变量也可以是一般变量（可以控制或精确测量的变量），我们只讨论自变量为一般变量的情况．为简单起见，以后的所有随机变量及其观测值均用小写字母表示．如果设随机变量y是因变量，x1，x2，…，xn是影响y的自变量，回归模型的一般形式为：y= f (x1，x2，…，x n) + ε其中ε为均值为0的正态随机变量，它表示除x1，x2，…，x n之外的随机因素对y的影响．在回归分析中，当只有一个自变量时，称为一元回归分析；当自变量有两个或两个以上时，称为多元回归分析；f是线性函数时，称线性回归分析，所建回归模型称为线性回归模型；f是非线性函数时，称非线性回归分析，所建回归模型称为非线性回归模型．线性回归模型的一般形式为：其中，β0和βi （i =1，2，…，k ）是未知常数，称为回归系数，实际中常假定ε～N (0，σ2)．一元线性回归模型的一般形式为：由ε～N (0，σ2)的假定，容易推出y ～N (β0+β1x ，σ2)． 本章主要讨论一元线性回归分析和可化为线性回归的一元非线性回归分析.它们是反映两个变量之间关系的简单模型,但从中可了解到回归分析的基本思想、方法和应用,22110εββββ+++++=k k x x x y ,110εββ++=x y ),0(~2σεN●9.2.1一元线性回归分析让我们用一个例子来说明如何进行一元线性回归分析． 为了研究合金钢的强度和合金中含碳量的关系，专业人员收集了12组数据如表9-1所示．表9-1 合金钢的强度与合金中含碳量的关系序号123456789101112含碳量x(%)0.100.110.120.130.140.150.160.170.180.200.210.23合金钢的强度y(107Pa)42.043.045.045.045.047.549.053.050.055.055.060.0 试根据这些数据进行合金钢的强度y(单位：107Pa)与合金中含碳量x(%)之间的回归分析．●9.2.1一元线性回归分析为了研究这些数据中所蕴含的规律性，首先在Excel中由12对数据作出散点图，如图9-7所示．图9-7 画散点图从图看到，数据点大致落在一条直线附近，这告诉我们变量x和y之间大致可看作线性关系．●9.2.1一元线性回归分析为了研究这些数据中所蕴含的规律性，首先在Excel中由12对数据作出散点图，如图9-7所示．图9-7 画散点图从图中还看到，这些点又不完全在一条直线上，这表明x和y的关系并没有确切到给定x就可以唯一确定y的程度．●9.2.1一元线性回归分析为了研究这些数据中所蕴含的规律性，首先在Excel中由12对数据作出散点图，如图9-7所示．图9-7 画散点图事实上，还有许多其它随机因素对y产生影响．●9.2.1一元线性回归分析如果只研究x 和y 的关系，可考虑建立一元线性回归模型：(9.1)其中ε是除含碳量x 外其它诸多随机因素对合金钢强度y 的综合影响，假定它是零均值的正态随机变量． 由(9.1)式，不难算得y 的数学期望:(9.2)该式表示当x 已知时，可以精确地算出E (y )．称方程(9.2)为y 关于x 的回归方程．,110εββ++=x y ),0(~2σεN x y E 10)(ββ+=●9.2.1一元线性回归分析现对变量x ,y 进行了n 次独立观察，得样本(x i ，y i )(i =1,2,…,n )．据(9.1)式，此样本可由方程(9.3)来描述．这里εi 是第i 次观测时ε的值，是不能观测到的 由于各次观测独立，εi 看作是相互独立与ε同分布的随机变量．即有y i = β0+ β1x i + εi , (9.4)εi 相互独立,且εi ～N (0，σ2),i =1,2,…,ni i i x y εββ++=10●9.2.1一元线性回归分析y i = β0+ β1x i + εi , (9.4)εi 相互独立,且εi ～N (0，σ2),i =1,2,…,n(9.4)给出了样本(x 1，y 1),(x 2，y 2),…,(x n ，y n )的概率性质．它是对理论模型进行统计推断的依据，也常称(9.4)式为一元线性回归模型．要建立一元线性回归模型，首先利用n 组独立观测数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )来估计β0和β1，以估计值和分别代替(9.2)式中的β0和β1，得到(9.5)x y 10ˆˆˆββ+=●9.2.1一元线性回归分析(9.5) 由于此方程的建立有赖于通过观察或试验积累的数据，所以称其为经验回归方程（或经验公式），经验回归方程也简称为回归方程，其图形称为回归直线．当给定x= x0时，称为拟合值（预测值或回归值）．那么，如何利用n组独立观察数据来估计β0和β1呢？一般常用最小二乘估计法和最大似然估计法，下面只介绍β和β1的最小二乘估计法．xy1ˆˆˆββ+=●9.2.1一元线性回归分析1．参数β0和β1的最小二乘估计设对模型(9.1)中的变量x ，y 进行了n 次独立观察，得样本(x i ，y i )(i =1，2，…，n )．由(9.3)式知随机误差εi =y i –(β0+β1x i )．最小二乘法的思想是：由x i ，y i 估计β0，β1时，使误差平方和达到最小的，分别作为β0，β1的估计，并称和为β0和β1的最小二乘估计．∑=+-=n i i i x y Q 121010)]([),(ββββ。
应用多元统计分析第九章对应分析对应分析又称相应分析,于1970年由法国统计学家J.P.Beozecri提出的.它是在R型和Q型因子分析基础上发展起来的多元统计分析方法,故也称为R-Q型因子分析.因子分析方法是用少数几个公共因子去提取研究对象的绝大部分信息,既减少了因子的数目,又把握住了研究对象的相互关系.在因子分析中根据研究对象的不同,分为R型和Q型,如果研究变量间的相互关系时采用R型因子分析;如果研究样品间相互关系时采用Q型因子分析.无论是R型或Q型都未能很好地揭示变量和样品间的双重关系.另方面在处理实际问题中,样本的大小经常是比变量个数多得多.当样品个数n很大(如n>100),进行Q型因子分析时,计算n阶方阵的特征值和特征向量对于微型计算机的容量和速度都是难以胜任的.还有进行数据处理时,为了将数量级相差很大的变量进行比较,常常先对变量作标准化处理,然而这种标准化处理对于变量和样品是非对等的,这给寻找R型和Q型之间的联系带来一定的困难.第九章什么是对应分析对应分析方法是在因子分析的基础上发展起来的,它对原始数据采用适当的标度方法.把R型和Q型分析结合起来,同时得到两方面的结果---在同一因子平面上对变量和样品一块进行分类,从而揭示所研究的样品和变量间的内在联系.对应分析由R 型因子分析的结果,可以很容易地得到Q 型因子分析的结果,这不仅克服样品量大时作Q 型因子分析所带来计算上的困难,且把R 型和Q 型因子分析统一起来,把样品点和变量点同时反映到相同的因子轴上,这就便于我们对研究的对象进行解释和推断. 第九章 对应分析的基本思想由于R 型因子分析和Q 型分析都是反映一个整体的不同侧面,因而它们之间一定存在内在的联系. 对应分析就是通过一个变换后的过渡矩阵Z 将二者有机地结合起来.具体地说,首先给出变量间的协差阵R S =Z'Z 和样品间的协差阵Q S =ZZ' ,由于Z'Z 和ZZ'有相同的非零特征根,记为12...m λλλ≥≥≥,如果R S 的特征根i λ对应的特征向量为i v ,则Q S 的特征根i λ对应的特征向量i u Zv =由此可以很方便地由R 型因子分析而得到Q 型因子分析的结果.对应分析的基本思想由A 的特征根和特征向量即可写出R 型因子分析的因子载荷阵(记为R A )和Q 型因子分析的因子载荷阵(记为Q A ).§9.1 什么是对应分析基本思想由于A和B具有相同的非零特征根,而这些特征根又正是各个公共因子的方差,因此可以用相同的因子轴同时表示变量点和样品点,即把变量点和样品点同时反映在具有相同坐标轴的因子平面上,以便对变量点和样品点一起考虑进行分类.第十章典型相关分析相关分析是研究多个变量与多个变量之间的相关关系.如研究两个随机变量之间的相关关系可用简单相关系数表示;研究一个随机变量与多个随机变量之间的相关关系可用全相关系数表示.1936年Hotelling首先将相关分析推广到研究多个随机变量与多个随机变量之间的相关关系,故而产生了典型相关分析,广义相关系数等一些有用的方法.第十章什么是典型相关分析在实际问题中,经常遇到要研究一部分变量和另一部分变量之间的相关关系,例如:在工业中,考察原料的主要质量指标(1,.....,p X X ) 与产品的主要质量指标(1,.....,p Y Y )间的相关性;在经济学中,研究主要肉类的价格与销售量之间的相关性; 在地质学中,为研究岩石形成的成因关系,考察岩石的化学成份与其周围围岩化学成份的相关性;在气象学中为分析预报24小时后天气的可靠程度,研究当天和前一天气象因子间的相关关系;第十章 什么是典型相关分析在教育学中,研究学生在高考的各科成绩与高二年级各主科成绩间的相关关系;在婚姻的研究中,考察小伙子对追求姑娘的主要指标与姑娘想往的小伙子的主要尺度之间的相关关系;在医学中,研究患某种疾病病人的各种症状程度与用科学方法检查的一些结果之间的相关关系;在体育学中,研究运动员的体力测试指标与运动能力指标之间的相关关系等.第十章 什么是典型相关分析一般地,假设有一组变量1,.....,p X X 与另一组变量1,.....,p Y Y (也可以记为1,....,p p q X X ++),我们要研究这两组变量的相关关系,如何给两组变量之间的相关性以数量的描述,这就是本章研究的典型相关分析.当p=q=1时,就是研究两个变量X 与Y 之间的相关关系.简单相关系数是最常见的度量.其定义为第十章 什么是典型相关分析当p ≥ 1 ,q=1时(或 q ≥ 1 , p =1) 设 则称为Y 与(X1,…,Xp) 的全相关系数.其实Y 对X 的回归为1(|)()()Y YX XX X E Y X x def x μμϕ-=+∑∑-且 并称R 为全相关系数 .第十章 什么是典型相关分析当p,q>1时,利用主成分分析的思想,可以把多个变量与多个变量之间的相关化为两个新变量之间的相关.也就是求α=(α1,…, αp ) '和β =(β1,…, βq ) ' , 使得新变量:V = α1X 1+…+αp X p = α 'X1~(,),0XX XY p YX YY X N Y μσ+∑∑⎛⎫⎛⎫∑∑=> ⎪ ⎪∑⎝⎭⎝⎭1/21YX XX XY YY R σ-⎛⎫∑∑∑= ⎪⎝⎭(,())Y x Rρϕ=W = β1Y 1+…+ βq Y q = β 'Y 之间有最大可能的相关,基于这个思想就产生了典型相关分析(Canonical correlatinal analysis).第十章 总体典型相关设X=(X1,...,Xp )及Y=(Y1,...,Yq)为随机向量(不妨设p ≤q),记随机向量Z 的协差阵为 其中Σ11是X 的协差阵,Σ22是Y 的协差阵,Σ12=Σ’21是X,Y 的协差阵. 第十章 总体典型相关我们用X 和Y 的线性组合V=a X 和W=b Y 之间的相关来研究X 和Y 之间的相关.我们希望找到a 和b,使ρ(V,W) 最大.由相关系数的定义:又已知⎪⎭⎫ ⎝⎛∑∑∑∑=∑22211211第十章总体典型相关故有对任给常数c1,c2,d1,d2,显然有ρ(c1V+d1, c2W+d2)=ρ(V,W)即使得相关系数最大的V=a'X和W=b'X并不唯一.故加附加约束条件 Var(V)=a'Σ11a=1,Var(W)=b'Σ22b=1.问题化为在约束条件Var(V)= 1,Var(W)=1下,求a和b,使得ρ(V,W)= a'Σ12b达最大 .第十章样本典型相关设总体Z=(X1,...,X p,Y1,…,Y q )’.在实际问题中,总体的均值E(Z)= 和协差阵D(Z)= 通常是未知的,因而无法求得总体的典型相关变量和典型相关系数.首先需要根据观测到的样本资料阵对其进行估计.已知总体Z的n个样品:第十章 样本典型相关样本资料阵为若假定Z ～N(μ,∑),则协差阵 的最大似然估 计为第十章 样本典型相关我们从协差阵 的最大似然估计S*(或样本协差阵S)出发,按上节的方法可以导出样本典型相关变量和样本典型相关系数.还可以证明样本典型相关变量和样本典型相关系数是总体典型相关变量和样本典型相关系数的极大似然估计.也可以从样本相关阵R 出发来导出样本典型相关变量和样本典型相关系数.第十章 样本典型相关典型相关系数的显著性检验：总体Z 的两组变量X=(X 1,...,X p )’和Y =(Y 1, …,Y q )’如果不相()()()()1(1,2,...,)t t t p q X Z t n Y +⨯⎛⎫== ⎪⎝⎭'()()11()()nt t t Z Z Z Z def Sn ∧=∑=--∑关,即COV(X,Y )=∑12=0,以上有关两组变量典型相关的讨论就毫无意义.故在讨论两组变量间相关关系之前,应首先对以下假设H 0作统计检验.(1) 检验H 0 : ∑12=0 (即λ1=0)设总体Z ～N p+q (μ,∑).用似然比方法可导出检验H 0的似然比统计量为(A ,A 11,A 22为离差阵)第十章 样本典型相关典型相关系数的显著性检验 (2)检验H 0(i): λi =0 (i =2,...,p )当否定H 0时,表明X,Y 相关,进而可得出至少第一个典型相关系数λ1≠ 0.相应的第一对典型相关变量V 1,W 1可能已经提取了两组变量相关关系的绝大部分信息.在实际问题中,经常迂到需要研究两组多重相关变量间的相互依赖关系,并研究用一组变量(常称为自变量或预测变量)去预测另一组变量(常称为因变量或响应变量),除了最小二乘准则下的经典多元线性回归分析(MLR),提取自变量组主成分的主成分回归分析(PCR)等方11221122||||||A S A A S S Λ==⨯⨯法外,还有近年发展起来的偏最小二乘(PLS)回归方法.第十一章什么是偏最小二乘回归偏最小二乘回归提供一种多对多线性回归建模的方法,特别当两组变量的个数很多,且都存在多重相关性,而观测数据的数量(样本量)又较少时,用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。
