第一节 相关分析第二节 一元线性回归模型第三节 多元线性回.pptVIP

第七章 相关分析与回归分析 教学目标: 1、掌握相关关系与函数关系的区别 2、能够利用相关系数对相关关系进行测定，并且掌握相关系数的性质 3、明确相关分析与回归分析各自特点以及它们的区别与联系 4、建立回归直线方程，计算估计标准误差，理解估计标准误差的意义 任务: 相关分析是较常用的统计分析方法。本章的目的在于提供从数量上研究现象之间相互联系方法。该章主要讲述相关分析、回归分析的基本理论和应用方法。 重点掌握： 1、相关分析的方法。 2、回归分析的分析方法应用。 第一节　相关分析 相关分析的主要内容 变量的显著性检验-假设检验 §1 假设检验的基本概念 对总体的概率分布或分布参数作出某种“假设”，根据抽样得到的样本观测值，运用数理统计的分析方法，检验这种“假设”是否正确，从而决定接受或拒绝“假设”，这就是假设检验。 1、什么是假设？ 假设：定义为一个调研者或管理者对被调查总体的某些特征所做的一种假定或猜想。是对总体参数的一种假设。 常见的是对总体均值或比例和方差的检验； 在分析之前，被检验的参数将被假定取一确定值。 2、市场调研中常见的假设检验问题 一项跟踪调查的结果表明，顾客对产品的了解程度比6个月前所做的类似调查中的显示要低。结果是否明显降低？是否低到需要改变广告策略的程度？ 一位产品经理认为其产品购买者的平均年龄为35岁。为检验其假设，他进行了一项调查，调查表明购买者平均年龄为38.5岁。调查结果与其观点的差别是够足以说明此经理里的观点是不正确的？ 3、问题在哪里？ 某广告商宣称其代理的A产品的合格率达到99%，质检人员为了验证，随机抽取了一件产品，发现是一件次品。质检人员会是什么反应呢？ 什么是假设? 对总体参数的一种看法 总体参数包括总体均值、比例、方差等 分析之前必需陈述 什么是假设检验？ 概念 事先对总体参数或分布形式作出某种假设 然后利用样本信息来判断原假设是否成立 类型 参数假设检验 非参数假设检验 特点 采用逻辑上的反证法 依据统计上的小概率原理 假设检验的基本思想 4. 小概率原理 小概率原理是假设检验的基本依据，即认为小概率事件在一次试验中几乎是不可能发生的。当进行假设检验时，先假设H0正确，在此假设下，若小概率事件A出现的概率很小，例如P（A）=0.01，经过取样试验后，A出现了，则违反了上述原理，我们认为这是一个不合理的结果。 这时，我们只能怀疑作为小概率事件A的前提假设H0的正确性，于是否定H0。反之，如果试验中A没有出现，我们就没有理由否定假设H0，从而做出接受H0的结论。下面我们通过实例来说明假设检验的基本思想及推理方法。 5、原假设和备择假设 原假设 是关于总体均值而非样本统计量的假设 总是假设原假设是正确的 原假设可能被接受也可能被拒绝 备择假设 是原假设的对立 备择假设可能被接受也可能被拒绝 备择假设是试图要建立的检验 8.2 假设检验的基本思路与方法 假设检验的步骤 提出原假设和备择假设 确定适当的检验统计量 规定显著性水平? 计算检验统计量的值 作出统计决策 提出原假设和备择假设 ? 什么是原假设？(Null Hypothesis) 1. 待检验的假设，又称“0假设” 2. 如果错误地作出决策会导致一系列后果 3. 总是有等号 ?, ? 或?? 4. 表示为 H0 H0：? ? 某一数值 指定为 = 号，即 ? 或 ?? 例如, H0：? ? 3190（克） 什么是备择假设？(Alternative Hypothesis) 1. 与原假设对立的假设 2. 总是有不等号: ?,?? 或 ? 3. 表示为 H1 H1：? 某一数值，或? ?某一数值 例如, H1：? 3910(克)，或? ?3910(克) 什么检验统计量？ 用于假设检验问题的统计量 选择统计量的方法与参数估计相同，需考虑 是大样本还是小样本 总体方差已知还是未知 检验统计量的基本形式为 规定显著性水平? 什么是显著性水平？ 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 3. 表示为 ??(alpha) 常用的 ??值有0.01, 0.05, 0.10 4. 由研究者事先确定 作出统计决策 计算检验的统计量 根据给定的显著性水平?，查表得出相应的临界值Z?或Z?/2 将检验统计量的值与? 水平的临界值进行比较 得出接受或拒绝原假设的结论 两类错误分析 小概率原理是假设检验的基本依据，然而，对于小概率事件，无论其概率多么小，还是可能发生的，所以，利用小概率原理为基础的假设检验方法进行检验，可能会做出错误的判断，主要有两种形式 （1）原假设H0实际是正确的，但却错误地拒绝了H0，这样就犯了“弃真”的错误，通常