生物统计学介绍.pptVIP

生物统计学 Biostatistics 第十章 一元回归及简单相关分析Simple Regression Correlation 2013.11 §10.1 基本概念 相关（correlation） 两个随机变量X和Y之间 回归（regression） 变量X和随机变量Y之间 学习小组任务 请说明回归与相关的不同之处，并举例说明现实生活或实验工作中的相关或回归。 尝试讲解p198 10.1例题 。 尝试讲解p216 概率对数变换及10.12例题 。 比如… 分析年龄、身高、体重、血压与肺活量之间的关系 林业司法鉴定工作中的运用 紫外诱变酵母菌中照射剂量与细胞存活率的关系 分析男女生性别比与学习成绩的关系 标准曲线的制作 红脚隼翼展、体长、体重和年龄之间的关系 云南省降雨量与日期的关系 …… 回归与相关的异同之处 回归与相关既有联系又有区别 /view/specdataD29FEF68-92C1-4EA2-B671-3C02C0C0F7B5.html 1．意义：相关反映两变量的相互关系，两个变量中任何一个变化都会引起另一个的变化，是双向的关系。回归是反映两变量的依存关系，一个变量的改变会引起另一个变量的变化，是单向的关系。 2．应用：研究两变量相互关系用相关分析；研究两变量的依存关系用回归分析。 3．研究性质：相关是对两变量间关系进行描述，看两变量是否有关，是否密切，关系的性质是正相关还是负相关。回归是对两变量做定量描述，研究两变量数量关系，已知一个变量值可以预测出另一个变量值，可得到定量结果。 4．相关系数r与回归系数b：r的绝对值越大，散点图中的点越趋向于一条直线，表明两变量的关系越密切，相关程度越高。b的绝对值越大，回归直线越陡，说明当X变化一个单位时，Y的平均变化就越大。 /healthstat/item/e568c30a6ae6363ff2eafc54 相关和回归的区别主要就在于这里。比如身高和体重，如果我没有主次之分，就是想看看他们的关系有多强，那就是相关。如果我想看体重是怎么随着身高的变化而变化的，那就有了主次之分，主要的是想看体重的变化，那么体重是怎么变化的呢，是随着身高的变化而变化。这时候就应该用回归。 对于两个或多个变量，到底该用回归还是相关，不在于你的变量是什么，也不在于你的变量的实际意义是什么，更重要的在于你的研究目的是什么。 /questionhtml (一)函数关系。它反映着现象之间存在着严密的依存关系，在这种关系中，对于某一变量的一个数值，都有另一变量的确定的值与之对立，如：S=πR2圆的面积S与半径R是函数关系，R值发生变化，则有确定的S值与之对应。 (二)相关关系。它是指现象之间确实存在的，但关系值不固定的相互依存关系。即对于某一变量的每一个数值，另一变量有若干个数值与之相适应。如：身高1.75米的人可以表现为许多不同的体重。 /wljxpt/kcFrame.action?kcdm=1801110001yhb_id=kclmb_id=9kclmszb_id=4837 §10.2 一元回归方程 一元正态线性回归模型 参数α和β的估计 最小二乘法（method of least square） 学习小组任务 举例说明现实生活或实验工作中的相关或回归。 自学并讲解p198 10.1例题 。 自学并讲解p216 概率对数变换及10.12例题 。 回归方程的计算 上图中R和R Square分别是相关系数和决定系数，ANOVA为方差分析，结果说明两变量间是极显著的回归关系 此图中Constant是截距（582.185），斜率为21.712，因此回归方程为Y=21.712X+582.185，从t检验结果来看，两变量间是极显著的回归关系。 §10.3 一元线性回归的检验 10.3.6 一元线性回归分析的意义 预报 由一个变量去预报另一个变量。分为点预报和区间预报。 由X预报Y是不能随意超出计算回归方程时所研究的范围的。 §10.4 一元非线性回归 学习小组任务 举例说明现实生活或实验工作中的相关或回归。 自学并讲解p198 10.1例题 。 自学并讲解p216 概率对数变换及10.12例题 。 SPSS中的曲线拟合及相关检验方法 有时候两变量间并不是直线线性关系，而是曲线回归。 理论课本上p212-217介绍的数据变换方法可以使曲线回归转变为线性回归。 除此之外，SPSS还提供了一些处理曲线回归的方法，其中简单易行的是曲线拟合。 体长和体重分别为自变量和因变量 此表中首先是决定系数R Square，然后是方差分析检验，结果在Sig.列，最后是截距Constant和斜率（回归系数）b1、b2、b3。 决定系数最高的是S模型（