九双变量回归与相关.PPTVIP

曲线方程： LnY=Ln97.57+0.186Ln(x) 例9-14一位医院管理人员想建立一个回归模型，对重伤病人出院后的长期恢复情况进行预测。 例9-14数据散点图 病人住院天数（天） X Y 预后指数 lnY 预后指数 例9-14数据对Y作对数变换散点图 病人住院天数（天） X 二、曲线拟合的用途 1、定量刻画Y与X的曲线关系。 2、用相关指数反应两变量曲线关系的密切程度。 对数曲线 指数曲线 抛物线 S型曲线 三、常见的几种曲线 * * 第九章 双变量回归与相关 第一节 直线回归 * 在医学研究中常要分析两变量间或多变 量间的关系： 年龄与血压 药物剂量与动物死亡率 肺活量与身高、体重、胸围和肩宽等 ． ． 两个关系： 互依关系（伴随）： 应变量Y与自变量 X 间的彼此关系。 —— 相关分析 依存关系（因果）：应变量(dependent variable) Y随自变量(independent variable) X变化而变化。 —— 回归分析 一、直线回归的概念 目的：研究应变量Y对自变量X的数量依存关系。 特点：统计关系。 X值和Y的均数的关系，不同于一般数学上的X 和Y的函数关系。 例9-1 某地方病研究所调查了8名正常儿童的尿肌酐含量(mmol/24h),试估计尿肌酐含量(Y)对其年龄(X)的回归方程。 各散点呈直线趋势 但并非均在一条直线上 根据原始数据拟合的直线方程与数理 上二元一次函数方程在内涵上有区别， 称为直线回归方程。 直线回归方程的一般表达式为 为各X处Y的总体均数的估计 1．a 为回归直线在 Y 轴上的截距。 a 0，表示直线与纵轴的交点在原点的上方； a 0，则交点在原点的下方； a = 0，则回归直线通过原点。 a = 0 a 0 a 0 X Y b0，直线从左下方走向右上方，Y 随 X 增大而增大； b0，直线从左上方走向右下方，Y 随 X 增大而减小； b=0，表示直线与 X 轴平行，X 与Y 无直线关系。 X Y 2. b为回归系数，即直线的斜率。 b 的统计学意义是：X 每增加(减)一个单位，Y 平均改变b个单位。 b0 b0 b=0 三、直线回归中的统计推断 （一）回归方程的假设检验 1. 方差分析 2、t检验 第二节 直线相关 Linear correlation 一、直线相关的概念 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，或相关。两个变量有共变现象，称为有相关关系。 相关关系不一定是因果关系。 r = 0 (h) r ＝ 0 (f) r＝-1 (d) r＝1 (b) 0r1 (a) -1r0 (c) r ? 0 (e) r ? 0 (g) 零相关 正相关 负相关 完全正相关 完全负相关 零相关 零相关 零相关 相互关系示意图 二、相关系数的意义与计算 两变量间的线性关系密切程度与相关方 向用直线相关系数r表示。 －1 ≤ r ≤ 1 r＞0为正相关 r＜0为负相关 r＝0为零相关或无相关 0﹤R2﹤1 Y的总变异中回归关系所能解释的百分比 年龄可解释尿肌酐含量变异性的77.75% 22.25%的变异不能用年龄来解释。 越接近于1：相关的实际效果越好 四、决定系数 1.根据分析目的选择变量及统计方法 相关：X与Y没有主次，为双向。 回归：Y依X变化而变化，为单向。 自变量的选择： 原因、容易测量、变异小 要有实际意义。 五、直线回归与相关应用的注意事项 有无异常点，谨慎剔除。 2.进行相关、回归分析前要绘制散点图， 进行判断 第三节 曲线拟合 * 1、依据分析目的确定X与Y，根据两变量 散点图、结合专业知识选择曲线类型 2、选用适当的统计方法求回归方程： 曲线直线化 3、实际工作中有时结合散点图试配几种不同形式的曲线方程并计算拟合优度：R2 一、曲线拟合的一般步骤 CRF:促肾上腺皮质激素释放因子 ACTH:肾上腺皮质激素 例9-13 以不同剂量的标准CRF刺激离体培养的大鼠垂体前叶细胞，监测其垂体合成分泌肾上腺激素的量。