两变量关联性分析.pptVIP

表11-6 某地居民按甲状腺肿类型与祖籍两种属性的交叉分类表 祖籍 甲状腺肿类型 合计 弥漫型 结节型 混合型 甲 486 2 4 492 乙 133 260 51 444 丙 100 315 85 500 合计 719 577 140 1436 假设检验 :甲状腺类型与祖籍无关 :甲状腺类型与祖籍有关联 同样作检验得 由 查 界值表, ,拒绝零假设,说明甲状腺肿类型与祖籍之间有关联性 计算列联系数 精品课件资料分享 SL出品 精品课件资料分享 SL出品 * 第十一章 两变量关联性分析 本章内容 第一节 线性相关 第二节 秩相关 第三节 分类变量的关联性分析 第一节 线性相关 一 线性相关的概念 线性相关(linear correlation)又称简单相关(simple correlation)，用于双变量正态分布(bivariate normal distribution)资料。其性质可由图11-2散点图直观的说明。 目的：研究 两个变量X,Y数量上的依存（或相关） 关系。 特点：统计关系 二、相关系数的意义与计算 意义：相关（correlation coefficient）又称Pearson积差相关系数，用来说明具有直线关系的两变量间相关的密切程度与相关方向。 2. 计算：样本相关系数的计算公式为 （11-3） 例11-2 计算例11-1中凝血酶浓度X与凝血酶时间Y之间样本相关系数。 由例11-1得 , , 由公式11-3得 相关系数的特点 1.相关系数r是一个无量纲的数值,且-1r1; 2.r0为正相关,r0为负相关; 3./r/越接近于1,说明相关性越好./r/越接近于0,说明相关性越差. 相关系数的统计推断 （一）相关系数的假设检验 (11-5) (11-6) 例11-3 继例11-2中算得r=-0926后,试检验相关是否具有统计学意义 检验步骤 本例 n=15，r=-0.926，由公式（11-4）和公式（11-5）得 本例 ，查 界值表得 ，故拒绝 接受 ，认为凝血酶浓度与凝血酶时间之间存在负相关。此结果与查表的结果是一致的。 线性相关中应注意的问题 1.样本的相关系数接近零并不意味着两变量间一定无相关性. 2.一个变量的数值人为选定时莫作相关. 3.出现异常值时甚用相关. 4.相关未必真有内在联系. 5.分层资料盲目合并易出假象. 第二节 秩相关 适用条件: ①资料不服从双变量正态分布而不宜作积差相关分析； ②总体分布型未知，一端或两端是不确定数值（如＜10岁，≥65岁）的资料； ③原始数据用等级表示的资料。 一、Spearman秩相关 1. 意义：等级相关系数rs用来说明两个变量间直线相关关系的密切程度与相关方向。 2. 计算公式 例11-4 某地研究2~7岁急性白血病患儿的血小板数与出血症状程度之间的相关性,结果见表11-2,试用秩相关进行分析 表11-2 急性白血病患儿的血小板(109/L)和出血症状 病人编号 血小板数 秩次 p2 出血症状 秩次