《医学统计学》最新版Ch09相关分析(72H).pptVIP

Medical Statistics 医学统计学 相关分析 Correlation Analysis 主要内容 引言 数值变量的相关 相关的定义(掌握) 相关的图示(掌握) 相关系数的计算(掌握) 相关系数的假设检验(掌握) 相关系数的区间估计(了解) 两样本相关系数的比较(了解) 分类和等级变量的相关 行×列表资料的关联性(熟悉) 等级资料的关联性(熟悉) 相关分析的正确应用(掌握) 一个分析实例：3岁男童体重与体表面积 分析方法之一 将10名儿童按体重分为两组(三组……) 结论：体重较重的一组3岁男童，体表面积也较大。 分析方法之二 如果想得到的结论为： 体重越重，体表面积越大。 关联的密切程度 相关分析 体重为X时，体表面积估计为多少？ 数量依存关系 回归分析 相关关系与确定性关系 所谓确定性关系是指两变量间的关系是函数关系。已知一个变量的值，另一个变量的值可以通过这种函数关系精确计算出来。 C =2?R y=ax2+bx+c 非确定性关系是指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。 青少年身高随年龄增长而增高； 体表面积与体重有关 数值变量的相关 相关的定义(掌握) 相关的图示(掌握) 相关系数的计算(掌握) 相关系数的假设检验(掌握) 相关系数的区间估计(熟悉) 两样本相关系数的比较(了解) 相关的定义 当两个数值变量之间出现如下情况：当一个变量增大，另一个也随之增大(或减少)，我们称这种现象为共变，也就是有相关关系(correlation) 。 若两个变量同时增加或减少，变化趋势是同向的，则两变量之间的关系为正相关(positive correlation)；若一个变量增加时，另一个变量减少，变化趋势是反向的，则称为负相关(negative correlation)。 直线相关(linear correlation)，又称简单相关，用以描述两个呈正态分布的变量之间的线性共变关系，常简称为相关。 相关系数 用以说明具有直线关系的两个变量间相关关系的密切程度和相关方向的指标，称为相关系数(correlation coefficient)，又称为积差相关系数(coefficient of product-moment correlation)，Pearson相关系数 。 总体相关系数用希腊字母ρ表示，而样本相关系数用r表示，取值范围均为[-1,1]。 绘制散点图！ 直线相关的图示 直线相关的图示与相关系数的关系 直线相关系数的计算 绘制散点图 相关系数的计算 相关系数的假设检验 H0：ρ＝0，两变量间无直线相关的关系； H1：ρ≠0，两变量间有直线相关的关系。 例 试对例10.1资料相关关系是否存在进行假设检验，并估计总体相关系数。 H0：体重与体表面积无相关关系； H1：体重与体表面积有相关关系。 ?=0.05。 ? = n-2=10-2=8 按自由度? =8查附表2 t界值表，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。 总体相关系数的区间估计 从相关系数?不等于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(? = - 0.8) 相关系数的抽样分布(? = 0) 相关系数的抽样分布(? =0.8) R.A. Fisher(1921) 的 z 变换 相关系数的z 值的抽样分布(? = - 0.8) 相关系数的z 值的抽样分布(? = 0) 相关系数的z 值的抽样分布(? = 0.8) 相关系数的可信区间估计 将 r 变换为 z ； 根据 z 服从正态分布，估计 z 的可信区间； 再将 z 变换回 r 。 相关系数的可信区间估计 Fisher’s 变换 r z 正态近似 Fisher’s 反变换 ?的95％CI z的95％CI 两样本相关系数的比较 某医院分别测定正常成年