接第二部分的上半部分读书笔记：《统计学的世界》第2部分整合数据 读书笔记1/2
这一部分的关键是如何使用统计数字分析“两个变脸之间的关系”，对我说最关键的还是“相关性和因果关系”，后续通过整理《原因与结果的经济学》读书笔记再加深理解。
关键词：相关系数，回归
关键Q1：相关系数如何计算，相关系数如何反映相关性？相关系数r的平方r2的含义是什么？
关键Q2: 如何绘制回归曲线，原理是什么？
关键Q3: 如何解释相关关系，相关性与因果关系，常见的解释类型是什么？！
chapter14 描述相关关系：散点图和相关系数
关键词：解释变量x，反应变量y，散点图（Scatter plot），相关系数（correlation），
Q：相关系数是什么？
A：描述两个数值变量之间相关关系的方向和强度，同样用符号r表示。
Q：如何从散点图的形态，判断相关性强弱，如何判断异常值。
Q：如何计算两个变量x和y的相关系数，
A：（1）x和y分别的平均值和标准差，（2）变量的标准分，（3）相关系数就是每组标准分的乘积的平均值。
Q：相关系数（-1，-0.5，0，0.5，1，等）表达的相关关系的方向和强度是什么？
chapter15 描述相关关系：回归、预测和因果关系
关键词： 回归（regression），预测，相关系数，相关系数r的平方r2 及其含义，因果关系，
Q：如何拟合曲线，如何绘制回归曲线？
A：垂直方向上距离那个点最近的线性方程，即“垂直距离越小越好”，具体方法是最小二乘法（least squares）。
Q：相关系数的平方，对应的具体含义是什么？
A：代表多少比例的数据可以用拟合曲线的相关关系来解释。
相关系数的大小，反映了回归直线的预测能力！这就是为何要在汇报回归直线时，要同时说明相关系数的平方r2
相关系数的平方r2 的含义？
相关系数的平方r2 ，是y的变异值当中，可以用y对x的线性回归方程式来解释的那一部分所占的比例。
Q：以前总是用excel拟合得到回归直线，然后列出r2=0.999等，实际含义是什么？
A：若 r=-0.7 或 r=0.7 ，则 r2=0.49 ，表明只有差不多一半的变异值可以用线性相关关系来解释
**相关系数和因果关系 **
- 即使两个变量间有很强的相关性，也不一定意味着改变其中一个变量的值会引起另一个变量值的改变。
- 两个变量之间的相关性，常常受其他潜在变量的影响。
- 证明存在因果关系的最好证据，来自随机比较实验。
如何解释观察到的相关性？
两个变量之间存在的相关性，可能解释是：存在直接的因果关系，潜在变量的影响（，两者皆有。
以上的相关性的解释，可以参考《原因与结果的经济学》的内容！
图15-5表明如何用变量间的潜在联系来解释相关性。虚线代表变量 x 和 y 之间可以观察到的相关性，一些相关性可由变量间的直接因果关系解释。图 15-5 的第一个图用 x 到 y 的箭头表明“x造成了 y” 。第二个图表示的是共同反应，即 x 和 y 之间的相关性是由潜在变量 z 造成的。这种共同反应即便在 x 和 y 之间没有直接关系的情况下也可以构成相关性。第三个图展示了交叉影响，解释变量 x 和潜在变量 z 可能一起影响了反应变量 y 。变量 x 和 z 之间是相关的，所以无法区分出 z 和 x 各自对 y 产生的影响。
共同反应和交叉影响都包含了潜在变量 z 对反应变量 y 的影响。我们无法区分这两种关系的不同，只能记住，在考虑变量之间的关系时，一个值得汲取的建议是“留意潜在变量。
Q：为什么相关关系很强，却不能说因果关系。
A：答案的核心是潜在变量的存在。因果关系，共同反应，交叉影响。
共同反应和交叉影响都包含了潜在变量z对反应变量y的影响。我们无法区分这两种关系的不同，只能记住，在考虑变量之间的关系时，一个值得汲取的建议是“留意潜在变量”。
chapter 16 居民消费价格指数和政府统计数字
关键词：CPI指数，基期（base period），市场篮子，一篮子物价指数，社会统计
指数都存在一个基准，比如以2000年的工资作为基期，之后每年的工作是2000年的几倍。
问题：如何使用CPI指数比较不同年份美元的购买力？
以购买“一篮子产品和服务”需要的货币，得到不同时期的PCI物价指数。
B时间的美元=A时间的美元*B时期的CPI/A时期的CPI
我们把作为价格追踪对象的全部商品和服务统称为“市场篮子”（ market basket ），由此算出的指数被称为“固定市场一篮子物价指数”（ fixed market basket price index ）。
Q：如何抽样调查CPI（消费价格指数）
20200310 整理本书第二部分2/2读书笔记