相关与回归 世间万物是普遍联系的
相关与回归 世间万物是普遍联系的
关联、预测和一致性 分析一组观察个体的两个变量之间的 关系,三个主要目的为: 关联 预测 一致性 分类变量之间的关联 连续变量之间的关联一相关 correlation N线性回归 linear regression
关联、预测和一致性 分析一组观察个体的两个变量之间的 关系，三个主要目的为： 关联 预测 一致性 分类变量之间的关联 连续变量之间的关联—相关correlation 线性回归linear regression
相关 CORRELATION 相关系数—衡量两个连续变量之间关联的强度 Pearson's r ∑(x-x)y2-y) 1<r≤+1 D总体相关系数p的区间估计 2 loge+r) SE()=1/ 1=2-1960/7-3)=2=2+1.9607 e21+1e22+1 假设检验 t.S V=n-2
相关CORRELATION 相关系数—衡量两个连续变量之间关联的强度 Pearson‘s r 总体相关系数的区间估计 假设检验 ( )( ) ( ) ( ) ; 1 1 2 2 − + − − − − = r x x y y x x y y r i i i i ( ) ( ) ( ) 1 1 , 1 1 1.96 1 3 , 1.96 1 3 , 1 3 1 1 log 2 2 1 1 2 2 2 2 1 2 2 1 + − + − = − − = + − = − − + = z z z z e e e e e z z n z z n SE z n r r z ; 2 2 1 ~ ; 0 2 , = − − − = − = n n r t s s r t r r
应用相关时应注意的问题 题数据的分布 随机样本、双正态、椭圆形、散点图 相关的应用 正确应用要求数据为:随机样本、双正态、独立 误用 多重两两相关(多重相关,挑选有统计意义的相关) 重复测量数据的相关(与独立性冲突) 任意增加或减少对分析不利的样本 混合样本 基线值与相对于基线值的改变量的相关 部分与整体的相关
应用相关时应注意的问题 数据的分布 随机样本、双正态、椭圆形、散点图 相关的应用 正确应用要求数据为：随机样本、双正态、独立 误用 多重两两相关（多重相关，挑选有统计意义的相关） 重复测量数据的相关（与独立性冲突） 任意增加或减少对分析不利的样本 混合样本 基线值与相对于基线值的改变量的相关 部分与整体的相关
秩相关 RANK CORRELATION 题顺位之间的关联— Spearmans r和 Kendall's t R Pearson相关与 Spearman相关的区别与 联系 1参数方法与非参数方法。 计算方法相同,但对象不同。 散点图的椭圆形判别 Pearson'sr衡量的是直线相关, Spearman's s衡量的是更为广义的相关 p Spearman相关可用于双向有序分类变量之 间是否有关联的分析
秩相关RANK CORRELATION 顺位之间的关联—Spearman’s rs和Kendall’s Pearson相关与Spearman相关的区别与 联系 参数方法与非参数方法。 计算方法相同，但对象不同。 散点图的椭圆形判别。 Pearson’s r衡量的是直线相关，Spearman‘s rs衡量的是更为广义的相关。 Spearman相关可用于双向有序分类变量之 间是否有关联的分析