培训课件_医学统计学直线相关与回归实习.ppt

* * * * * * 直线回归方程： 为当 x取某一值时应变量y的平均估计值 a为截距(intercept)，即当 x = 0 时y的平均估计值 b为回归系数(regression coefficient)，即直线的斜率，表示x改变一个单位时y的平均改变量。 直线回归方程 直线回归分析目的在于找出一条最能代表这些数据关系的直线，用直线方程来描述两变量的回归关系。 最小二乘法原理：实测点到直线的纵向距离平方之和达到最小。 直线回归的统计推断 对β的两种假设检验方法包括： t检验 方差分析 H0：β=0 ，即无直线关系 H1：β≠0 ，即有直线关系 方差分析的基本思想 将全部数据的离均差平方和SS总分解成若干部分，其自由度也做相应的分解。 方差分析法的原理： 对应变量y的离均差平方和进行分解 直线回归的统计推断 P(x,y) 0 残差 回归 总变异 因变量y的离均差平方和分解示意图 Y的均值 实测值y 估计值 的分解 上述三段的数学表达式为： 将等式两端平方后再求和，最后得到： 即SS总(lYY ) = SS回 + SS残 ：总离均差平方和 ，即不考虑y与x回归关系的y的总 变异 ：回归平方和，即y的总变异中可以用y与x的回归关 系所解释的部分。值越大，说明回归效果越好。 ：残差平方和，即y的总变异中无法用y与x的回归关 系解释的部分，反映随机误差。在散点图中，各实 测点离回归直线越近，SS残 越小，说明直线回归 的估计误差越小。 自由度的分解 构造F统计量 方差分析表 变异来源 离均差 平方和SS 自由度? 均方MS 统计量F 总 ?总=n-1 回归 ?回=1 MS回=SS回/1 MS回/MS残 残差 ?残=n-2 MS残=SS残/(n-2) 本例 1.建立检验假设，确定检验水准 2.计算检验统计量 3.确定P值，作出统计推断 P0.01，按照0.05检验水准拒绝H0。回归方程有统计学意义，可以认为腹腔内脂肪面积与腰围之间有直线回归关系。 直线回归的步骤： 1.考察数据的分布,即分析y变量的正态性。 2.作散点图,确定有无线性趋势。 3.建立直线回归方程。 4.对方程及其参数进行估计与假设检验。 5.绘制回归直线。  例14.1 某研究欲探讨男性腰围与腹腔内脂肪面积的关系，对20名男性志愿受试者测量其腰围(cm)，并采用磁共振成像法测量其腹腔内脂肪面积(cm2)，结果如表14.1所示。试建立腹腔内脂肪面积( y )和腰围( x )的直线回归方程。 第一步:数据录入 设置两个变量： x—腰围 (cm) y —腹腔内脂肪面积(cm2 ) 与直线相关相同 注意区分x和y 第二步:统计分析 1.绘制散点图 Graphs Scatter Simple Y Axis框: y X Axis框: x 从图中可见，腰围和腹腔内脂肪面积有比较明显的线性趋势，也没有发现影响过强的异常点，可以进行回归分析。 2.直线回归分析：Analyze—Regression —Linear 应变量y 自变量x 点击 Statistics对话框 默认，计算相关系数、决定系数等 要勾选，计算回归系数的置信区间 默认，计算回归系数及假设检验 第三步：结果解释 介绍了模型拟合优度的情况： 相关系数r=0.762 决定系数R2=SS回/SS总=0.581 剩余标准差（残差标准差）Syx=13.0353 模型总结 决定系数(coefficient of determination) 反映了回归贡献的相对程度，即在因变量y的总变异中用y与x回归关系所能解释的比例。在实际应用中，常用决定系数来反映回归的实际效果。值越大，说明方程拟合的效果越好。 本例决定系数为0.581 ，说明男性的腰围信息可以解释其腹腔内脂肪面积变异的58.1%，还有剩余的41.9%的信息需要通过腰围以外的其它因素来加以解释。 F =24.924 P 0.001 按0.05的检验水准拒绝H0接受H1，回归方程有统计学意义，可以认为腹腔内脂肪面积与腰围之间有直线回归关系。 结果解释 回归方程的方差分析 1. 截距a=-96.392，回归系数b=2.111 2. tb=4.992， P0.001，结论同前（F检验）。 3. 写出直线回归方