形天分初园归 折 是研究事物的相互关系,测定它们联系的紧密 程度,揭示其变化的具体形式和规律性的统计方法, 是构造各种经济模型、进行结构分析、政策评价 预测和控制的重要工具。 相关分析( Correlation Analysis 主要内容 回归分析( Regression Analysis
第 11章 相关分析和回归分 析 相关和回归分析 是研究事物的相互关系，测定它们联系的紧密 程度，揭示其变化的具体形式和规律性的统计方法， 是构造各种经济模型、进行结构分析、政策评价、 预测和控制的重要工具。 主要内容 相关分析 (Correlation Analysis) 回归分析 (Regression Analysis)
相关分 相关的概念变量之间关系 相关关系 因果关系 随机性依 互为因果关系 存关系 共变关系 函数关系 确定性依存关系
相关分析 • 相关的概念 变量之间关系 函数关系 相关关系 因果关系 互为因果关系 共变关系 确定性依存关系 随机性依 存关系
相关的种类 正相关 元相关 线性相关 负相关 多元相关 曲线相关 正相关X负相关 曲线相关 不相关
一元相关 负 相 关 多元相关 正 相 关 线性相关 曲线相关 y 正 相 关 y 负 相 关 y 曲线相关 x y 不 相 关 • 相关的种类 x x x
简单线性相关 相关分析的步骤 搜集资料一整理资料绘制相关图一相关关系的测定 相关系数测定两变量是否线性相关 定义式:D 未分组:r ∑(x-x)y-y) xy nxyf-Cxf)∑y) 已分组:r Vn2xf,(.).f,-(yS)
• 简单线性相关 相关分析的步骤 相关系数 测定两变量是否线性相关 x y xy 定义式： = 搜集资料 整理资料 绘制相关图 相关关系的测定 n x y x x y y r − − = ( )( ) 未分组： 已分组： − − − = 2 2 2 2 n x ( x) n y ( y) n x y x y r − − − = [ ( ) ] [ ( ) ] ( )( ) 2 2 2 2 x x y y xy x y n x f x f n y f y f n x y f x f y f r
协方差与相关系数 皮尔生的相关系数是对协方差标准化处理的结果,是对 协方差的改进。 r0不存在线性关系;p=1完全线性相关 0-k<1不同程度线性相关号:r>0正相关;r<0负相关 00.3微弱:0.3-0.5低度;0.5~0.8显著;0.8~1高度) 相关系数的显著性检验 直接查相关系数检验表 0:p=0,H1:p≠0 检验统计量t=r
协方差与相关系数 皮尔生的相关系数是对协方差标准化处理的结果，是对 协方差的改进。 相关系数的显著性检验 |r|=0 不存在线性关系； |r|＝1 完全线性相关 0<|r|<1不同程度线性相关 (0~0.3 微弱；0.3~0.5 低度； 0.5~0.8 显著；0.8~1 高度) 符号：r>0 正相关；r<0 负相关 H0 : p=0, H1 : p≠0 直接查相关系数检验表 检验统计量 2 1 2 | | r n t r − − =