第12章 双变量关联性分析.ppt

* * 当比较甲乙两种方法测定结果的阳性率是否有差别时，可采用配对?2 检验（或McNemar检验） 当了解甲乙两法测定结果之间有无相关关系时，应采用普通四格表的检验。 * * 【检验步骤】 1. 建立检验假设，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 ? = 0.05 * * 2.计算检验统计量 值 * * 3.确定P值，做出统计推断 查附表9，P0.005，按? = 0.05水准，拒绝H0，接受H1，差异有统计学意义，可认为两种培养基的结果之间有关联 * * 小 结 1、直线相关的概念和应用 2、相关系数的计算和意义 3、等级相关的分析 4、列联表资料的关联分析及应用 谢谢大家 * * * r≠0原因：① 由于抽样误差引起，ρ=0 ② 存在相关关系， ρ≠0 t检验 查表法，按v=n-2查r界值表，做出推断结论 二、相关系数的假设检验 * * 查表法 根据自由度? =n-2，查附表14，将所得 r 值与某概率水平（如0.05）对应的 r 界值相比较，若 r 值小于 r 界值，则P大于相应的概率水平，反之，P小于相应的概率水平，然后作出推断 * * t 检验方法 * * 【检验步骤】 1. 建立检验假设，确定检验水准 * * 2.计算检验统计量 值 * * 3.确定P值，做出统计推断 按自由度? =n-2=16-2=14 ，查附表4，得P0.001，按? = 0.05水准，拒绝H0，接受H1，差异有统计学意义，可认为2000年该地7岁男孩体重与胸围之间有相关关系 三、相关分析中应用注意的问题 相关分析资料要求两变量x、y都应是来自正态分布总体； 进行相关分析前应先绘制散点图。只有散点有线性趋势时，才可作相关分析； 样本含量小只能推断两变量间有无直线关系，但不能推断其相关的密切程度；而要推断其相关的程度，样本含量必须足够大。 相关分析是用相关系数来描述两个变量间相 互关系的密切程度和方向，相关关系不一定 是因果关系，也可能是伴随关系 r=0只能说X与Y之间无线性关系，并不能说 X与Y之间无任何关系。进行相关回归分析要 有实际意义，不可把毫无关系的两个事物或 现象用来作相关回归分析。 不能只根据r 的绝对值的大小来判断相关的密切程度。 例如有两个样本：r1 = 0.601 ,v1= 6 ; r2 =0.401, v2= 40 。不能根据r1 r2 就说r1比 r2相关更密切。因为查附表13-1 ，前一样本得 P 0.05, 后一样本P 0.01,按检验水准a = 0.05, 前者可认为无相关而后者有相关,可见正确推断有无相关必须经过假设检验。 * * 前面讨论的线性相关用于描述两个随机变量X与Y之间线性联系的程度，结论所反映的是它们相互之间的关系，两变量并无主次之分 * * 随着所探索问题的深入，研究者通常更感兴趣于其中的一个变量如何定量地影响另一变量的取值：例如医学研究中常需要从某项指标估算另一项指标，如果这指标分别是测量变量X和Y，我们希望由X推算Y的值。 我们称X为自变量，Y则称为依赖于X的因变量。 如果Y与X的关系呈线性时，我们可以用线性回归（linear regression）描述两者的关系。 * * 第二节 等级相关  （秩相关，Spearman相关） * * 一、适用条件 不服从双变量正态分布而不宜作积差相关分析 （Pearson 相关） 总体分布型未知 开口型或半开口型的资料 原始数据是用等级表示 * * 二、方法步骤 编秩、求秩次的差值d 计算等级相关系数： d 每对观察值xi，yi所对应的秩次之差 n 为对子数 rs 样本秩相关系数 * * * * * * 当x或y中相同秩次较多时，宜对 进行校正: t为x或y中相同秩次的个数 * * 是总体等级相关系数 的估计值 当 时，可查 界值表(p350)作出判断 存在着抽样误差，故计算出 后， 需作 是否为0的假设检验: 当n50时，可用正态近似法进行检验 检验统计量z的计算公式为： * * 补充例题 * * * * 第三节 列联表的关联性分析 【例12-4】某研究者欲研究幽门螺杆菌感染(Hp)与家庭成员胃病史的关联性，随机抽取599例慢性胃炎或胃溃疡的患者，分成家庭成员有胃病史组和家庭成员无胃病史组，结果家庭