第章双变量关联性分析.pptVIP

四、线性相关应用中应注意的问题 1. 样本的相关，先绘出样本值的散点图，利用散点图可直观地判断两变量之间是否具有线性联系。 2.相关分析 要求两变量均为正态随机变量。 一个变量的数值人为选定时不应作相关。如研究大鼠某项生理指标与给药剂量，则剂量非正态随机变量，不能够计算相关。 3. 出现离群值时慎用相关。 若包含离群点+可能得负相关，不包含可能得正相关。 4. 相关不一定有因果联系 春天来，因为鸟数多了，所以草也变绿了 因为学习时间增加，所以成绩提高了 5. 分层资料盲目合并易出假象。 无相关的两样本合并后变成正相关 第二节 秩相关 一、秩相关的概念及其统计描述 Person积矩相关的假设检验要求x和y均服从正态分布。对不服从正态分布的资料，或是总体分布未知的资料或者原始数据用等级表示的资料，需采用秩相关来描述两变量的相关性。 秩相关是利用两变量的秩次大小作直线相关分析，对原变量的分布不作要求，属非参数统计方法。 下面介绍Spearman秩相关。 例13.4 某研究者对15例30~50岁成年男子的舒张压(mmHg)与夜间最低血氧含量分级进行研究，结果见表13.2，试分析两者的关联性。 120 --- 120 --- 2 2 5.5 2 5.5 5.5 9.5 5.5 9.5 9.5 9.5 13.5 13.5 13.5 13.5 1 2 4 3 5 6 8 7 9 10 11 12 13 14 15 1 1 2 1 2 2 3 2 3 3 3 4 4 4 4 1 2.5 2.5 5.5 5.5 5.5 5.5 8.5 8.5 10.5 10.5 12 13 14 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 75 80 80 90 90 90 90 95 95 100 100 110 115 120 125 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 秩次qi(5) y排号 分级y(4) 秩次pi(3) x排号 舒张压x(2) 编号(1) 二、秩相关系数的统计推断 类似于积矩相关系数，秩相关系数的检验假设为： H0：ρs＝0 H1：ρs≠0 当 n≤50时，查rs界值表(附表15)； n＞50时，可采用t检验。 例13.5 对例13.4的秩相关系数作假设检验。 * * 第十三章 双变量关联性分析 事物之间的关系 因果关系：一现象是另一现象的原因 共变关系：两种有联系事物与第三现象有关 相关关系：两类现象在发展变化方向与大小 方面存在一定联系 例 研究某医院8名员工的月薪和年收入之间的关系。(表中数据为假设) 31200 2600 H 30000 2500 G 29100 2425 F 28200 2350 E 27300 2275 D 26400 2200 C 24600 2050 B 24000 2000 A 年收入 月薪 员工 月薪 X 和年收入 Y 可以表示为： Y=12X 若X=2800，带入上式得： 12×2800=33360 假定效益好，年终分红1000元，则 Y=1000+12X 医学研究中我们需要对两个随机变量之间的关系进行量化研究，如研究某年龄儿童的身高与体重的关系、血压与年龄、体温与脉搏、疗效与药物剂量等的关系。 相关关系：两个随机变量在发展变化方向与大小方面存在一定联系 * 某种商品的销售额与销售量之间的关系。 商品的销售额与广告费支出之间的关系。 圆的面积与半径之间的关系。 收入水平与受教育程度之间的关系。 父亲身高与子女身高之间的关系。 PM2.5指数与心情之间的关系。 考试成绩与努力程度之间的关系。 第一节 直线相关 一、直线相关的概念及其统计描述 例 13.1 某医师测量了15名正常成年人的体重(kg)与CT双肾体积(ml)大小，数据如表13.1所示。据此回答两变量是否有关联，其方向与密切程度如何？ 表 15名正常成年人的体重与双肾体积的测量值 1．散点图 15个人的一对对测得值可看成(x, y)的样本取值，据此在直角坐标系中标出对应的点来，这样的图形称为散点图(scatter plot)。 体重 (kg) 双肾体积 (ml) 图13.1 15名正常成年人体重和双肾体积的散点图 两个随机变量x、y之间大致呈直线趋势的关系称为直线相关