11两变量地关联性分析.pptVIP

r=0.08 r=0.85 X Y X Y 线性相关应用中应注意的问题3 出现异常点时慎用相关 线性相关应用中应注意的问题4 相关未必真有内在联系 线性相关应用中应注意的问题5 分层资料盲目合并易出假象 (a) (b) (c) 线性相关（linear Correlation) 秩相关（rank correlation) 分类变量的关联性分析 outline 秩相关 也称等级相关,最常用的Spearman秩相关。 资料类型 不服从正态分布的资料 总体分布未知的资料 等级资料 原理 利用两变量的秩次作线性相关分析，对原变量的分布不作要求，属非参数统计方法。 例11-4 某地研究２~７岁急性白血病患儿的血小板数与出血症状程度之间的相关性， 结果见表11-2，试用秩相关进行分析。 秩相关分析 编秩 计算lpp、lqq、lpq 计算Spearman秩相关系数或等级相关系数，用rs表示。 负相关？ Spearman秩相关系数 说明两个变量间相关的密切程度与方向; 样本相关系数：rs 总体相关系数： 取值介于-1~1之间 rs 0 为负相关，rs 0为正相关。 秩相关系数的假设检验 查表法：rs界值表（附表14） t检验 秩相关系数的假设检验---查表法 建立假设，确定检验水准 H0：ρs＝0，出血症状与血小板数之间无相关关系 H1：ρs≠0 ，出血症状与血小板数之间有相关关系 ? = 0.05 查rs界值表（附表14）： r =-0.422，|r|=0.422 n=12，r0.05/2,12=0.587 确定p值，下结论 P0.05 可认为急性白血病患儿的出血症状与血小板数之间无相关关系。 秩相关系数的假设检验—查表法 rs 界值表 概率，P n 0.20 0.10 0.05 11 0.427 0.536 0.618 12 0.406 0.503 0.587 13 0.385 0.484 0.560 14 0.367 0.464 0.538 15 0.354 0.446 0.521 秩相关系数的假设检验—t 检验 Pearson积差相关 Spearman秩相关 区别 双变量正态分布 r为参数统计量 偏峰分布、分布未知、 等级资料 rs为非参数统计量 原始数据 秩次 联系 都要求各个体间满足独立性 都用于刻画两变量间线性相关的方向与密切程度 Pearson积差相关与Spearman秩相关的区别与联系 a.计算线性相关系数r=0.930，你可以得出变量x,y相关吗？请解释 b.请画散点图 c.使用线性相关系数描述相关性合适吗？请解释 思考1 r=0.930 x -3 -2 -1 0 1 2 3 y -27 8 1 0 1 8 27 思考2 线性相关（linear Correlation) 秩相关（rank correlation) 分类变量的关联性分析 outline 例11-6 为观察婴儿腹泻是否与喂养方式有关，某医院儿科随机收集了消化不良的婴儿82例, 对每个个体分别观察腹泻与否和喂养方式两种属性，2×2种结果分类记数如表11-3所示。试分析两种属性的关联性。 一个样本 建立假设，确定检验水准 H0:喂养方式与婴儿腹泻之间互相独立 H1:喂养方式与婴儿腹泻之间有关联 α=0.05 计算检验统计量： 确定P值，下结论 p0.05，说明婴儿腹泻与喂养方式之间存在着关联性。 计算Pearson列联系数： 假设检验？ 例11-7 有56份咽喉涂抹标本，把每份标本一分为二, 依同样的条件分别接种于甲、乙两种白喉杆菌培养基上，观察白喉杆菌生长的情况，结果如表11-5，问两种培养基的结果有无关联？ 配对资料 建立假设，确定检验水准 H0:两种培养基的结果之间互相独立 H1:两种培养基的结果之间互相关联 α=0.05 计算检验统计量： 确定P值，下结论 p0.05，可认为甲、乙两种培养基之间存在关联性。 计算列联系数： 例11-8 某地居民主要有三种祖籍，均流行甲状腺肿。为探讨甲状腺肿类型与祖籍是否有关联，现根据居民甲状腺肿筛查结果，按甲状腺肿类型与祖籍两种属性交叉分类，得表11-6的资料。问甲状