回归与相关-11精要.ppt

例 抗白指数与临床疗效的关系 某研究所用野百合治疗白血病，并作抗白血病指数(简称抗白指数)及疗效的分析，问抗白指数与临床疗效间有无关系？ 病例号 抗白指数X 临床疗效Y (1) (2) 1 2 ++ 2 3 ++ 3 9 ++ 4 10 +++ 5 11 +++ 6 30 － 7 35 － 8 45 － 9 55 + 10 70 + 11 88 － 12 90 － RX (3) 1 2 3 4 5 6 7 8 9 10 11 12 RY (4) 9 9 9 11.5 11.5 3 3 3 6.5 6.5 3 3 RX (3) 1 2 3 4 5 6 7 8 9 10 11 12 RY (4) 9 9 9 11.5 11.5 3 3 3 6.5 6.5 3 3 rs = = -0.6894 等级相关系数的假设检验 H 0：?S＝0，抗白指数与疗效无相关关系； H 1： ?S?0，抗白指数与疗效有相关关系。 ? = 0.05 当n≤50时，用查“等级相关界值表”； 当n＞50时，用 t 检验： t 服从自由度为n-2的 t 分布。 本例 n = 12, 查界值表，得： rs(0.05,12)=0.587 即若 H0 成立，按α=0.05的水准，等级相关系数在(-0.587,0.587)之间。 现 rs = -0.6894，故 P ＜ 0.05 可以认为，抗白指数与疗效有等级相关关系。 等级相关系数的假设检验 相关分析对资料的要求 相关关系不一定是因果关系，也可能是伴随关系 相关系数只度量变量间的线性关系，因此，弱相关不一定表明变量间没有关系； 极端值可能影响相关系数； 注意相关关系成立的数据范围； 警惕虚假相关。 相关分析的正确应用 定量资料在进行相关分析(Pearson相关)前，需作散点图，从散点图的趋势判断是否可以作线性相关分析 相关分析的正确应用 直线相关与直线回归的联系 联系 均表示线性关系； 符号相同：共变方向一致； 假设检验结果相同：是否存在共变关系； 相关系数 用回归解释相关： 直线相关与直线回归的区别 r 没有单位，b有单位；所以，相关系数与单位无关，回归系数与单位有关； 相关表示相互关系；回归表示依存关系; 对资料的要求不同： 当X和Y都是随机的，可以进行相关和回归分析； 当Y是随机的(X是控制的)，理论上只能作回归而不能作相关分析； I型回归：X是精确控制的； II型回归：X是随机的。 二、直线回归与相关中的注意事项 （一）进行回归与相关分析前应首先绘制散点图。它可直观地提示两变量是否存在线性或非线性趋势，还可发现有无异常点。 （二）正确识别与处理异常点。它是进行统计分析前首先要完成的工作。 （三）两变量为非线性关系时，应采用曲线拟合的方法（表9-5）进行分析 。 （四）通过残差分析与残差图来判定回归模型是否满足直线回归分析条件。 （五）分层资料合并后做回归或相关分析要慎重 残差图 直线回归中三种假设检验间的关系 在直线回归中，回归系数的假设检验，回归方程的方差分析以及相关系数的假设检验结果等价。 * 1、进行回归与相关分析前，应绘制散点图； 2、作回归分析时，要求因变量Y是呈正态分布的随机变量。 3、作相关分析时，要求两个变量X、Y是双变量正态分布的随机变量 小 结 4、-1≤r≤1，|r|0.4为低度线性相关；0.4≤|r|0.7为中度线性相关；0.7≤|r|1为高度线性相关；|r|=±1，为完全正（或负）相关。 5、作相关分析时，当资料不满足双变量正态分布或等级资料，用Spearman秩相关分析。 统计控制是利用回归方程进行逆估计，即已知y之后反推x 如要求y在一定范围内波动时，可按求y的容许区间来推算x的取值来实现。 利用回归方程进行统计控制 例：通过抽样测得某地单位时间内汽车流量（X）与空气中NO含量（Y），并建立回归方程 ，求得回归方程： 若要求空气中NO的含量不超过0.100ppm。则汽车流量应如何控制？ 利用回归方程进行统计控制 利用回归方程进行统计控制 将Y=0.100ppm代入上述回归方程，得 0.100=-0.275+0.00025X X=(0.100+0.275)/ 0.00025=1500(辆) 即只有把汽车流量控制在1500辆/