回归概念回归系数.ppt

回归概念回归系数
*
第一页，共49页
散点图、相关系数
散点图绘制
Graphs→ Legacy Dialogs → Scatter/Dot
二元变量分析
Analyze→Correlate→Bivariate
偏相关分析
Analyz→Correlate →Partial
上节回顾
第二页，共49页
零假设H0：两总体线性不相关（或相关系数与0无显著性差异）
解释：
.=<，拒绝H0假设，表明两变量之间是相关的。
=<，为微弱正相关。
相关系数取值范围
r=0
|r|<
|r|=~
|r|=~
|r|>
|r|=1
相关程度
无相关
微弱相关
低度相关
显著相关
高度相关
完全相关
*
第三页，共49页
散点图
*
第四页，共49页
第11讲回归分析
*
第五页，共49页
基本概念
*
第六页，共49页
一、“回归”起源
“回归”一词是英国生物学
家、统计学家高尔顿（）在研
究父亲身高和其成年儿子身高关系时提
出的。

从大量父亲身高和其成年儿子身高数据的散点图中，Galton发现了条贯穿其中的直线，它能描述父亲身高和其成年儿子身高的关系，并可用于根据父亲身高预测其成年儿子身高。
*
第七页，共49页
一、“回归”起源
Galton通过上述研究发现儿子的平均身高一般总是介于其父亲与其种族的平均高度之间，即儿子的身高在总体上有一种“回归”到其所属种族高度的趋势，这种现象称为回归现象，贯穿数据的直线称为回归线。
回归概念产生以后，被广泛应用于各个领域之中，并成为研究随机变量与一个或多个自变量之间变动关系的一种统计分析技术。
*
第八页，共49页
二、回归的基本概念
回归分析的概念
回归分析就是研究一个或多个变量的变动对另一个变量的变动的影响程度的方法。
相关分析与回归分析的关系
相关分析是根据统计数据，通过计算分析变量之间关系的方向和紧密程度，而不能说明变量之间相互关系的具体形式，无法从一个变量的变化来推测另一个变量的变化情况。
回归分析能够确切说明变量之间相互关系的具体形式，可以通过一个相关的数学表达式，从一个变量的变化来推测另一个变量的变化情况，使估计和预测成为可能。

相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。
相关与回归
*
第九页，共49页
二、回归的基本概念
回归分析的目的
根据已知的资料或数据，找出变量之间的关系表达式(找到回归线或回归方程)，用自变量的已知值去推测因变量的值或范围(进行预测)，实际上是研究因果关系。(例如： )
回归分析的基本过程
确定自变量、因变量
确定回归模型
估计模型中的参数（建立回归方程）
对回归模型进行各种检验
模型应用（利用回归方程预测）
*
第十页，共49页