统计学基础课件 直线相关与回归.pptVIP

直线相关与回归 北京大学医学部 流行病病学与统计学系 李凯 第一节 直线相关(linear correlation) 直线相关分析是研究两个连续性变量间有无线性相关关系、相关的方向及密切程度的统计方法。 分析的资料要求是X、Y均为随机变量，且均服从正态分布。 相关系数（correlation coefficient）是说明两个变量间线性关系的密切程度及方向的统计指标。 总体相关系数用?表示，样本相关系数用r表示，r是?的估计值。 相关系数没有单位，取值范围是-1≤r≤1。r值为正，表示两变量呈正相关，X与Y变化趋势是正向的。r值为负，表示两变量呈负相关，X与Y 呈反向变化。 通常r的绝对值越接近于1，表示两变量相关关系越密切， r的绝对值等于1为完全相关，所有散点排布在同一直线上；反之，越接近于0，两变量线性关系越不密切，r=0 , X与Y无线性关系。 几种散点图 例: 某医生随机抽查10例蛛网膜下腔出血患者血清和脑脊液的白细胞介素-6 (IL-6) (Ppg/ml), 问两者之间有无直线相关关系? 相关系数的计算 例2 根据表中SAH患者第一天血清和脑脊液IL-6(Ppg/ml)资料, 计算样本相关系数r值。 ∑X=592.6、∑Y=1428.7、∑X2=41222.14、∑Y2=220360.47、∑XY=91866.46。 相关系数的假设检验 样本相关系数r=0.7232，需进行假设检验。因为即使从?=0的总体作随机抽样，由于抽样误差存在，所得到的r值仍有可能不为零。需要对总体相关系数是否为0作假设检验。 假设检验的方法: t检验。 相关系数的t检验 H0: ? =0 H1: ? ≠0 α=0.05 SPSS操作 Analyze?Correlation?Bivariate Variable: x 、y Correlation coefficient: Pearson OK SPSS结果 第二节 直线回归（linear regression） 直线回归的概念 直线回归是研究两变量（X、Y）间的数量依存关系的统计方法。 由于X、Y之间的数量关系，并非一一对应的函数关系，被称为回归关系。直线回归分析是要确定一条最合适的直线回归方程，保证各实测点距回归直线的纵向距离的平方和最小，以此来描述两个变量间的回归关系。 直线回归方程 直线回归方程的表达式： a：是回归直线在Y轴上的截距，即X＝0时Y的预测值。 b：是回归直线的斜率，又称为回归系数。 表示当X改变一个单位时，Y的预测值平均改变|b|个单位。 直线回归方程的求法 直线回归方程的求法 例 对10名SAH患者第一天血清和脑脊液IL-6(Ppg/ml)资料做回归分析。 ∑X=592.6、∑Y=1428.7、∑X2=41222.14、∑Y2=220360.47、∑XY=91866.46、=59.26、=142.87 回归系数的假设检验 t检验： ?=n-2 方差分析： ?总＝n-1, ?回=1, ?剩=n-2 (一) 回归系数t检验 H0：?=0，H1：??0 ?=0.05 (二)方差分析 SPSS操作 Analyze?regression?linear Dependent: y Independent: x OK SPSS结果 SPSS结果 SPSS结果 *直线回归的区间估计 （一）回归系数的区间估计 （二） 的估计 （三）个体Y值的容许区间 相关与回归区别 相关与回归联系 应用相关与回归时的注意事项 1. 作相关与回归分析要有实际意义。 2. 相关关系不一定是因果关系。 3. 直线回归分析的结果不能随意外推。 4. 进行相关、回归分析之前，应绘制散点图， 相关系数r 决定系数r2 调整决定系数 F值 方差分析表 截距a 回归系数b 标准化回归系数 相关与回归的意义不同：相关反映两变量间的线性相关方向及相关密切程度。而回归反映两变量间的数量依存关系。 对同一批资料，无论以哪个变量作自变量，哪个变量因自变量，算得的相关系数的数值相等。而回归分析中，回归系数bYX、bXY不同。 1.对同一批资料，相关系数r与回归系数b的符号相同。 2.对同一批资料，相关系数r与回归系数b显著性检验结果是等价的，有tr=tb的关系。 3. 可以用回归解释相关。 r2称为决定系数, 越接近于1，回归直线拟和的效果越好。 * * 相关系数及其意义 相关系数取值 相关系数的计算 H0：?=0 H1： ? ?