11-两指标间地直线相关.ppt

医学统计学 两指标间的直线相关 Linear correlation GJ 2008 问题的提出 以往方法的局限 仅限于考察一个观察指标 问题的提出 人的体重往往随着身高的增加而增加。二者之间是否存在某种关联？如果存在，可否用身高来推测体重的多少？ 儿童所能发出的最长音调往往和年龄有关。同样，是否可以建立年龄和音调长度的数量关系？ 人的肺活量往往随着胸围的增加而增加。 举重运动员所能举起的最大重量是否与他的体重有关？ 问题的提出 研究者所关心的是两个变量之间是否存在相互依存的关系？ 如果这种关系存在，是否能够从数量上给出一个变量随着另外一个变量的改变而变化的幅度？ 直线相关内容提要： 一、确定性关系与相关关系 二、定量资料的相关 三、定性资料的相关 四、等级资料的相关 五、相关分析的正确应用 确定性关系和非确定性关系 确定性关系：两变量间的函数关系 圆的周长与半径的关系： C＝2?R 速度、时间与路程的关系：L＝ST 非确定性关系：两变量在宏观上存在关系，但并未精确到可以用函数关系来表达。 青少年身高与年龄的关系； 年龄与血脂的关系；身高与体重的关系； 体重与体表面积的关系； 药物浓度与反应率的关系； 相关关系 必然的又是不确定的关系也称为相关关系（correlation） 。 当对事物的规律了解加深时，相关关系往往可以转变为确定性关系。 相关与回归分析是研究观察指标间相关关系的统计方法。 从不确定的、带有偶然性的现象中寻求必然的统计规律。 一、直线相关的概念 共变（相关关系） 当一个变量增大，另一个变量也随之增大（或减少）。 正相关：变化趋势同向 负相关：变化趋势反向 相关关系不一定是因果关系。 相关关系： 线性 非线性 直线相关（linear correlation）： 用来描述具有直线关系的两变量间的相互关系。 二、直线相关系数的意义与计算 直线相关系数（Pearson相关系数） ： 表达两变量间线性相关的程度和方向的统计指标。 样本相关系数用r表示。 总体相关系数用? 表示。 r 计算公式： X的离均差平方和： Y的离均差平方和： X与Y间的离均差积和： 相关系数是一个无量纲的统计指标，其取值范围为-1≤r≤1（-1≤?≤1）。 r0为正相关； r0为负相关； r=0为零相关或无相关。 相关系数的绝对值越大，表示两变量间的相关程度越密切，| r |=1表示完全相关；相关系数越接近于0，表示相关越不密切。 相关关系示意图 例、10名3岁男童体重与体表面积的关系 编号 体重(X,kg) 体表面积(Y,103cm2) 1 11.0 5.283 2 11.8 5.299 3 12.0 5.358 4 12.3 5.292 5 13.1 5.602 6 13.7 6.014 7 14.4 5.830 8 14.9 6.102 9 15.2 6.075 10 16.0 6.411 合计 133.4 57.266 1、作散点图 三、相关系数的假设检验 样本相关系数r也存在抽样误差。 从? =0的总体中随机抽样，其样本相关系数往往也不等于0。 在算得样本相关系数后，需进一步对r是否来自于? =0的总体进行假设检验。 相关系数的假设检验用t检验： 式中，Sr为相关系数的标准误。 按自由度? =n-2的t分布作出推断。 相关系数检验步骤 1、建立检验假设： H0： ? =0 ，体重与体表面积无相关关系； H1： ? ≠0 ，体重与体表面积有相关关系。 ?=0.05。 2、已知r=0.9579，计算检验统计量 t值： ? = n-2=10-2=8 3、确定P值，作出推断： 按自由度? =8查附表2 t界值表，t0.001,8=5.041，得P0.001。按?=0.05水准，拒绝H0，接受H1，故可认为3岁男童的体重与体表面积之间有正相关关系。 四、总体相关系数?的区间估计 相关系数的抽样分布规律 从?=0的总体中抽样，样本相关系数的分布是对称的，并且服从自由度为n-2的t分布。当样本含量较大时，近似正态分布。 但是，从?≠0的总体中抽样，样本相关系数的分布是偏态的。 相关系数的抽样分布(? = 0) 相关系数的抽样分布(? = - 0.8) 相关系