笔记：《深入浅出统计学》第十五章：相关与回归

1 利用散点图体现数据模式

相关：数据点如果几乎呈直线分布,则认为两个变量线性相关。
两个变量存在相关关系意味着二者之间存在着某种数学关系, 并不意味着一个变量会影响另一个变量, 也不意味着二者存在实际关系。

2 用最佳拟合线预测数值

线性回归法(最小二乘回归法)是一种求最佳拟合线y = a+bx的数学方法。
最佳拟合线：这条线使得所有的y的观察值和期望值之间的距离和Σ(yi - $\widehat{yi}$) 最小。为避免实际距离相互抵消, 用 ‘误差平方和SSE’ 替换 ‘距离和’ 。
误差平方和： SSE=Σ(yi - $\widehat{yi}$)²
斜率b计算公式：b=Σ(x-$\overline{x}$)(y-$\overline{y}$)/Σ(x-$\overline{x}$)²
截距a的计算公式：a =$\overline{y}$-b$\overline{x}$

3 计算直线拟合度–相关系数r

• r=1表示完全正相关,
• r=-1表示完全负相关,
• r=0则不存在相关性。
• 越接近1或-1,相关性越强。

计算公式: r = b*Sx/Sy
Sx表示样本中x的标准差, Sy表示y的标准差。

注意：最佳拟合线能给出样本数据范围内的估计，但数据范围以外的估计不具有参考性。