第九章 相关与回归分析

估计。
一）、加权最小二乘估计 假定各观测值的权重为Wi，求解回归方 程就要使得以下加权后的残差平方和最小
ss残W Wi Yi aw bw X
2
bw
aW
WX WY WXY W l l WX WX W WY b WX Y b W
二、直线回归方程的求法 直线方程为： a为Y轴上的截距；b为斜率，表示X 每改变一个单位，Y的变化的值，称为回 归系数； 表示在X值处Y的总体均数 估计值。为求a和b两系数，根据数学上 的最小二乘法原理，可导出a和b的算式 如下：
例9-1 某地方病研究所调查了8名正常 儿童的尿肌酐含量（mmol/24h）如表91。估计尿肌酐含量（Y）对其年龄（X） 的关系。
表14，rs界值表，P<0.01,故可认为当地居 民死因的构成和各种死因导致的潜在工作损 失年数WYPLL的构成呈正相关。 二、相同秩次较多时rs的校正 当X及Y中，相同秩次个数多时，宜用下式校 正
第四节
加权直线回归
在一些情况下，根据专业知识考虑 并结合实际数据，某些观察值对于估计 回归方程显得更“重要”，而有些不 “重要”，此时可以采用加权最小二乘
lYY的分析 如图9－4，p点的纵坐标被回归直线与均数 截成三个线段：
图9－4
平方和划分示意图
第一段 第二段
第三段
上述三段代数和为：
移项：
p点是散点图中任取一点，将所有的点子都
按上法处理，并将等式两端平方后再求和，
则有：
它们各自的自由度分别为： 可计算统计量F：
SS回 SS 残
2
F
回 残
表9-3某省1995年到1999年居民死因构成与WYPLL构成

回归模型的类型
回归模型
一元回归
线性回归
10 - 28
多元回归
线性回归 非线性回归
非线性回归
统计学
STATISTICS (第二版)
一元线性回归模型
10 - 29
统计学
STATISTICS (第二版)
一元线性回归
1. 涉及一个自变量的回归 2. 因变量y与自变量x之间为线性关系


被预测或被解释的变量称为因变量 (dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变 量称为自变量 (independent variable) ，用 x 表示
统计学
STATISTICS (第二版)
3.相关分析主要是描述两个变量之间线性关 系的密切程度；回归分析不仅可以揭示 变量 x 对变量 y 的影响大小，还可以由 回归方程进行预测和控制 4.回归系数与相关系数的符号是一样的，但 是回归系数是有单位的，相关系数是没 有单位的。
10 - 27
统计学
STATISTICS (第二版)
10 - 19
统计学
STATISTICS (第二版)
相关系数的经验解释
1. 2. 3. 4.
|r|0.8时，可视为两个变量之间高度相关 0.5|r|<0.8时，可视为中度相关 0.3|r|<0.5时，视为低度相关 |r|<0.3时，说明两个变量之间的相关程度 极弱，可视为不相关
10 - 20
10 - 6
统计学
STATISTICS (第二版)
函数关系
(几个例子)

某种商品的销售额 y 与销售量 x 之间的关系 可表示为 y = px (p 为单价)

第四节 相关性、最小二乘估计、回归
分析与独立性检验
9/30/2013
9/30/2013
1.相关性 （1）散点图：在考虑两个量的关系时，为了对_____之间的关 变量 系有一个大致的了解，人们通常将___________的点描出来， 变量所对应 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.
1.利用统计量χ 2来判断“两个变量X,Y有关系”计算公式为：

2
（A）ad-bc越小，说明X与Y关系越弱
（B）ad-bc越大，说明X与Y关系越强 （C）(ad-bc)2越大，说明X与Y关系越强 （D）(ad-bc)2越接近于0，说明X与Y关系越强
a b c d a c b d
1 2
9/30/2013
【拓展提升】线性相关关系与函数关系的区别 （1）函数关系中的两个变量间是一种确定性关系．例如，正 方形面积S与边长x之间的关系S＝x2就是函数关系．
（2）相关关系是一种非确定性关系，即相关关系是非随机变
量与随机变量之间的关系．例如，商品的销售额与广告费是相
关关系．两个变量具有相关关系是回归分析的前提．
50 13 20－10 7） （ 4.844， 23 27 20 30
2
因为χ 2≥3.841，所以有
答案：95%
9/30/2013
考向 1
相关关系的判断
【典例1】（1）对变量x，y有观测数据(xi，yi)(i＝1,2，„，
10)，得散点图(1)；对变量u，v有观测数据(ui,vi)(i＝1,
9/30/2013
3.独立性检验
（1）2×2列联表
设A，B为两个变量，每一个变量都可以取两个值，变量A：

25
第九章 相关分析
( y y)2
=
( y yc )2
+
( yc y)2
由此可以推导出：
( y yc ) ( y y) ( yc y)
2 2
2
2
Lyy (a bx a b x) Lyy b ( x x)
2 2
Lyy b Lxx
表明两变量完全不相关。 （4）当计算相关系数的原始数据较多（如50项以 上）时，认为相关系数在0.3以下为无相关， 0.3以上为有相关；0.3-0.5为低度相关；0.5-0.8 为显著相关；0.8以上为高度相关。
9
第九章 相关分析
相关系数计算分析例题
生产费用
序 月产量 号 1 1.2 2 2.0 3 3.1 4 3.8 5 5.0 6 6.1 7 7.2 8 8.0 ∑ 36.4
2 2
x n y y
2

2

0.97
说明产量和生产费用之间存在高度正相关。
第九章 相关分析
第三节
回 归 分 析
一、回 归 分 析 的 意 义 回归分析是对具有相关关系的两个或两个以 上变量之间的数量变化的一般关系进行测定，确 立一个相应的数学表达式，以便从一个已知量来 推测另一个未知量，为估算预测提供一个重要的 方法。 二、回 归 的 种 类 按自变量的个数分 按回归线的形态分 一元回归 多元回归 线性回归 非线性回归
Lxx x b b y Lyy
y br r x
Lyy L21 xx
第九章 相关分析
五 回归分析与相关分析的特点
1、回归分析必须区分自变量和因变量，而相关 分析不必区分。 2、回归分析的两个变量一个是自变量，一个是 因变量，通过给定自变量的值来推算因变量 的可能值；而相关分析的两个变量都是随机 变量。 3、回归分析中对于因果关系不甚明确的两个变量， 可以建立两个回归方程；而相关分析只能计算 出一个相关系数。 4、一种回归方程只能做一种推算，即只能给出自 变量的值来推算因变量的值，不能逆推。