2017整理6-7=chap6两变量相关与回归.ppt

【例6-2】 12名2~7岁急性白血病患儿的血小板数与出血症状资料见表6-1，分析两者之间有无直线关系： 【SPSS操作】以血小板数和出血症状（标0=－，1=+，2=++，3=+++）为变量名，建立2列12行数据文件L6-2.sav （1）作散点图： Graphs→ Scatter→ → Define ，出血症状入Y Axis，血小板数入X Axis→ Continue→OK x与y无直线趋势,只为说明SPSS作等级相关分析的操作。 （2）等级相关：Analyze →Correlate →Bivariate，血小板与出血入Variable，√Kendallˊs tau-b和√Spearman→OK 输出结果：Kendall rk =－0.377， P =0.117； Spearman rs =-0.422， P =0.172。 剂量D -死亡曲线（非对称的S型曲线） 3.应用条件： ①独立，正态，方差齐性； ②回归系数b有统计学意义； ③各组b之间差别无统计意义。 ④协变量是连续变量或等级变量，不能是影响处理的变量。 比较的是修正均数，H0为修正后的均数相等。 协变量有多个时，可用多元协方差分析。 二. 完全随机设计资料的协方差分析 【例6-10】 降压宁的临床实验的资料如表6-5，比较两组疗效是否相同。 【SPSS】以组别、用药前、用药后为变量名，建立3列28行的数据文件L6-10.sav。 分3步来进行协方差分析。　　 第一步：散点图→直线趋势。（无直线趋势则不宜作协方差分析）。 Graphs→legacy dialogs → Scatter → → Define ，Simple Scatterplot，用药后入Y Axis框，用药前入X Axis→OK。 两组均有直线趋势→协方差分析。　　 第二步：交互项→两总体β是否相等： Analyze→General Linear Models→Univariate 用药后入Dependent variable，组别入Fixed Factors，用药前入Covariate→Model，⊙Custom，先组别、再用药前入Model，又将组别、用药前同时送入Model，选TypeⅠ（Ⅰ型方差分析模型）→Continue→ OK。 交互作用F =1.515，P=0.230，两组的斜率相同，故进一步分析。若交互作用有统计学意义，则不宜作协方差分析。 第三步：比较修正均数，操作同第二步。 ①不分析交互，把组别*用药前从Model移除； ②对两组进行比较，采用LSD法。 Analyze→General Linear Models→Univariate→ Model，⊙Custom，将组别*用药前送出Model，Type III（III型方差分析模型）→Continue→ Options，将组别入Display Means for，Compare main effects→ Continue → OK。 §4 　简单回归与相关的区别和联系 　P95 一、区别 1.资料要求： （1）相关： X、Y 正态 （2）回归： ①X、Y 正态 ② X 选定， Y 随机 2. 应用 ： （1）相关： X、Y相互关系 （2）回归 ： X推Y 3.计量单位：相关系数r无，回归系数b有单位 二、联系 （1）方向一致：r与b的正负号一致。 （2）同一资料假设检验等价：tr=tb （3）r与b可相互推导获得。 （4）用回归解释相关：R2 = r2 §5 　回归分析的应用 　P95 一、应用 1.描述变量间数量变化关系 ：量-效关系、配伍规律。 【例6-4】《医宗金鉴》治积聚处方，y=1.967+0.735x,有统计学意义，R 2 = 0.9996,拟合度达99.96%，用回归方程描述名医治病用药的配伍规律准确有效。 表6-2 6个治积聚方的川乌与茯苓用量 3.0 1.5 奔 豚 丸 3.0 1.5 痞 气 丸 3.0 1.5 伏 梁 丸 4.5 3.0 息 贲 丸 4.5 3.6 肥 气 丸 24 30 新制阴阳攻积丸 茯苓y 川乌x 处 方 2. 预测y值容许区间即预测区间（prediction interval PI） x=x0时，y0值的（1–α）预测区间计算公式为： 3. 估计μ的CI：自变量x0，应变量估计值的总体均数　 的（1－α）CI为： 二、注意事项 1.专业上要有意义：专业→相关→回归分析。 2.选择合适的回归模型: 散点图。