相关系数一度量两个变量线性相关程度的指标 对于所研究问题的总体而言, ·总体相关系数用麦表示,计算公式为 coV(x,y covx, y) pry a(x)√Var(y) 相关系数 协方差 标准差的乘积
相关系数—度量两个变量线性相关程度的指标 • 对于所研究问题的总体而言， • 总体相关系数用表示，计算公式为 标准差的乘积 协方差 相关系数＝ cov( , ) Var( ) Var( ) cov( , ) , x y x y x y x y x y = =
△线性相关图示 1200 1000 600 200 5001000150020002500
△ 线性相关图示 200 400 600 800 1000 1200 0 500 1000 1500 2000 2500 Y X 20 30 40 50 60 70 80 0 10 20 30 40 Y X
相关系数与协方差含义的理解 协方差大于0相关系数大于0正相 关 协方差小于0相关系数p小于0一负相 关 协方差等于0相关系数p等于0不相 关
相关系数与协方差含义的理解 • 协方差大于0——相关系数大于0—正相 关 • 协方差小于0——相关系数小于0—负相 关 • 协方差等于0——相关系数等于0—不相 关
元线性回归模型的基本假设 (1)随机误差项均值为0 E(p)=0; (2)随机误差项同方差 Var(wi=ou; (3)随机误差项无序列相关 COV(,u)=E(u)=0(i≠j (4)x是确定性的,非随机变量Cov(x1,=0; (5)随机误差项服从正态分布 N(O,G12) ,2,…,n;i
一元线性回归模型的基本假设 （1）随机误差项均值为0 E(i )=0 ； （2）随机误差项同方差 Var (i )= 2； （3）随机误差项无序列相关 COV(i , j) =E(i j)=0 （i ≠ j） （4）x是确定性的，非随机变量 Cov(xi , i )=0； （5）随机误差项服从正态分布 i~N(0, 2 ) i,j= ,2, …,n； i≠j
多元线性回归模型的基本假设 (1)随机误差项均值为0 E(p)=0; (2)随机误差项同方差 var(p)=σn2; (3)随机误差项无序列相关 C0V(4,41)=E()=0(i≠j) (4)x是确定性的,非随机变量Cov(xiμ=0; (5)随机误差项服从正态分布 NO0,o12) (6)解释变量之间互不相关 i=,2
多元线性回归模型的基本假设 （1）随机误差项均值为0 E(i )=0 ； （2）随机误差项同方差 Var (i )= 2； （3）随机误差项无序列相关 COV(i , j) =E(i j)=0 （i ≠ j） （4）x是确定性的，非随机变量 Cov(x ji, i )=0； （5）随机误差项服从正态分布 i~N(0, 2 ) (6) 解释变量之间互不相关 i,j= ,2, …,n； i≠j