医学统计实用技术教程 教学课件 作者 刘尚辉 等 第11章.pptVIP

第11章 变量间关系的分析方法 第11章 变量间关系的分析方法 11.1 相关分析概述 11.2 双变量相关分析 11.3 回归分析概述 11.4 直线回归 11.5 多元线性回归 11.6 多元逐步回归分析 11.7 logistic回归 11.1 相关分析概述 相关（correlation）是研究变量之间相互关系的一种统计方法，例如：体重与肺活量的关系、年龄与血压的关系、病因研究中某个疾病危险因素与某疾病发生的关系等。相关分析的目的是检验分析变量之间是否存在某种联系，以及这种联系的密切程度。其联系的密切程度用统计量——相关系数来衡量，记为r，相关系数的绝对值必然在0到1之间，即-1≤r≤1。相关系数的大小表示相关的密切程度。 11.1 相关分析概述 如果每次观测的两个数值变量，随着一个变量值的增大，另一个变量的值也增大，这种关系称为正相关；反之，随着一个变量值的增大，另一个变量的值反而减小，这种关系称为负相关。相关系数的符号表示相关的方向。 11.1 相关分析概述 直线相关又称简单相关（pearson），用于双变量连续型正态分布资料间关系的分析。它是说明有直线相关的两个变量之间相关关系的密切程度与方向的指标。当r=1时，两变量呈直线关系，称为完全正相关；当r=-1时，称为完全负相关；当相关系数r愈接近1或-1时，说明两个变量的直线关系愈加密切；相关系数r愈接近0，直线关系愈不密切。 对于不能满足上述条件的数据，例如不服从双变量正态分布，或总体分布类型未知，或原始数据是用等级表示的，则应进行等级相关分析，即斯皮尔曼（Spearman）分析。 11.2 双变量相关分析 11.2.1 皮尔逊（Pearson）相关分析 11.2.2 斯皮尔曼（Spearman）等级相关分析 11.2.1 皮尔逊（Pearson）相关分析 1．例题与数据文件的建立 【例】某医生用TCMI型皮肤氧测定仪测定10名健康成年男子的动脉氧分压TCPO2（mmHg，1mmHg=0.1333kPa），同时用BMS2MK2型血氧分析仪取动脉血测定氧分压PaO2（mmHg，1mmHg=0.1333kPa）。数据如下: TcPO2 77 78 79 80 81 82 83 84 76 79 PaO2 87 90 89 90 91 89 91 92 86 88 求相关系数。 对此资料，我们取变量TcPO2存放皮肤测定动脉氧分压值，变量PaO2存放动脉取血测定的氧分压值，在SPSS中定义这两个变量并录入数据，建立数据文件，命名为li11-1.sav。此数据文件如图所示。 11.2.1 皮尔逊（Pearson）相关分析 11.2.1 皮尔逊（Pearson）相关分析 2．利用SPSS进行相关分析操作 （1）在SPSS中调出数据文件li11-1.sav。 （2）选择【Analyze】→【Correlate】→【Bivariate】选项，弹出Bivariate Correlations对话框，如图所示，将双分析变量TcPO2与PaO2调到Variables列表框中。 相关分析系数可以选择： Pearson：皮尔逊相关系数。 Kendall′s tau-b：肯德尔相关系数。 Spearman：斯皮尔曼等级相关系数。 11.2.1 皮尔逊（Pearson）相关分析 11.2.1 皮尔逊（Pearson）相关分析 （3）显著性检验可以是： Two-tailed: 双尾显著性检验； One-tailed: 单尾显著性检验。 本例选择Two-tailed相关系数。 （4）选择Flag significant correlations（标出有显著性意义的相关系数）复选框。 （5）单击Options按钮，弹出如图所示的对话框。其中选择项有： 11.2.1 皮尔逊（Pearson）相关分析 11.2.1 皮尔逊（Pearson）相关分析 Means and standard deviations：显示每一个变量的均数与标准差。 Cross-product deviations and covarances：显示每一对变量的离均差交叉积与协方差。 缺失值可以采用不同的方法处理： Exclude cases pairwise：成对删除含有缺失值的观察值。 Exclude cases listwise：串列删除含有缺失值的观察值。 单击Continue按钮回到Bivariate Correlations对话框，单击OK按钮，得到输出结果。 11.2.1 皮尔逊（Pearson）相关分析 3．结果分析 本例输出结果经整理后如表所示。