《统计学基础》任务7：相关与回归.ppt

◆依赖于研究者 的理论知识、 经验和分析研 究能力。 检验的步骤为： 提出假设：H0：? ? ? ；H1： ? ? 0 从一组样本数据出发，估计回归参数，建立回归模型； 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 涉及一个自变量的回归 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， 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，用 x 表示 因变量与自变量之间的关系用一个线性方程来表示 一元线性回归方程可表示为 相关系数r的计算公式 7.1.3 相关关系的判断方法 任务七 相关与回归分析 简捷公式： 7.1.3 相关关系的判断方法 任务七 相关与回归分析 7.1.3 相关关系的判断方法 任务七 相关与回归分析 7.1.3 相关关系的判断方法 任务七 相关与回归分析 3985 527 8 154 177 961 306 6905 合计 324 900 625 14 250 25 570 12 313 600 625 14 000 25 560 11 372 100 900 18 300 30 610 10 354 025 1 024 19 040 32 595 9 319 225 441 11 865 21 565 8 270 400 289 8 840 17 520 7 318 096 576 13 536 24 564 6 324 900 441 11 970 21 570 5 291 600 324 9 720 18 540 4 324 900 784 15 960 28 570 3 349 281 900 17 730 30 591 2 422 500 1 225 22 750 35 650 1 y2 x2 x﹒y 电视广告费用x 月销售收入y 月份 高度正相关 为什么进行相关系数的显著性检验？ r的显著性检验通常采用费希尔（R.A.Fisher)提出的t分布检验。 相关系数的显著性检验 检验两个变量之间是否存在线性相关关系 7.1.3 相关关系的判断方法 任务七 相关与回归分析 为什么进行相关系数的显著性检验？ r的显著性检验通常采用费希尔（R.A.Fisher)提出的t分布检验。 计算检验的统计量： 确定显著性水平?，并作出决策 若?t?t???，拒绝H0 若?t?t???，不能拒绝H0 相关系数的显著性检验 7.1.3 相关关系的判断方法 任务七 相关与回归分析 运用Excel、SPSS等软件我们可以轻松地得到相关系数及其检验结果。 7.1.4 相关分析的Excel操作 任务七 相关与回归分析 7.1.4 相关分析的Excel操作 任务七 相关与回归分析 将相关的两列数据输入Excel表格 “工具” “相关系数” 散点图 相关系数 7.1.4 相关分析的Excel操作 任务七 相关与回归分析 “数据分析” “插入” “散点图” “图表”   学习要点 7.2 一元线性回归分析 任务七 相关与回归分析 7.2.1 回归分析的含义 7.2.2 一元线性回归方程 7.2.3 参数的最小二乘估计 7.2.4 拟合优度与显著性检验 7.2.5 一元线性回归预测 7.2.6 Excel操作 7.2.1 回归分析的含义 任务七 相关与回归分析 回归分析 (Regression) 回归分析是对具有密切关系的两个变量，根据其相关形式，选择一个合适的数学关系式来近似地表现变量之间平均变化程度的一种统计分析方法。 7.2.1 回归分析的含义 任务七 相关与回归分析 7.2.1 回归分析的含义 任务七 相关与回归分析 回归分析与相关分析的联系 相关关系是回归分析的前提， 回归分析是相关分析的深入。 相关分析是回归分析的前提，对于相关程度很低的两个变量进行回归分析是没有实际意义的 回归分析是建立在相关分析的基础上，对于具有密切相关的两个变量进行深入分析，建立它们之间的数学关系式，并进行统计推断，是相关分析的拓展 7.2.1 回归分析的含义 任务七 相关与回归分析 回归分析的内容 7.2.2 一元线性回归方程 任务七 相关与回归分析