医学统计学（杨超）相关与回归.pptVIP

双变量关联性分析 问题的提出 某医师测量了15名正常成年人的体重(kg)与CT双肾体积(ml)大小,如下表。据此回答两变量是否有关联？其方向与密切程度如何？ 关联性分析的目的 推断从某一总体中随机抽取的同一份样 本观测出的两个变量间是否存在关联性， 以及这种关联性的密切程度如何。 主要内容 直线相关 秩相关 直线相关linear correlation 问题的提出 某医师测量了15名正常成年人的体重(kg)与CT双肾体积(ml)大小,如下表。据此回答两变量是否有关联？其方向与密切程度如何？ 最直观方法： 绘制散点图(scatter plot) 统计学上两个随机变量之间呈直线趋势的关系被称为直线相关。 直线相关系数（linear correlation coefficient ）：定量描述两变量间直线关系的方向和密切程度。 直线相关系数（linear correlation coefficient ） 相关系数 r 的性质 ，其正负表示两变量间直线相关的方向； r 绝对值大小表示两变量之间直线联系的密切程度。 具体步骤 绘制散点图观察两变量间是否有直线趋势。 计算相关系数 （3）确定P值并作出统计推断 查t界值表，得 ，按 =0.05水准，拒绝 ，接受 ，相关系数有统计学意义，可以认为体重和双肾体积之间有直线相关关系。 2. 查表法 直接查相关系数界值表， ， =0.514， =0.760， ，结果与 t 检验法一致。 注意事项 进行相关分析前应先绘制散点图 有无线性关系 有无离群点(outlier) 出现离群点时慎用相关 注意事项 线性相关分析要求两个随机变量服从二元正态 分布。 注意事项 相关关系不一定是因果关系 。 注意事项 观察例数较少（如n15）时，相关系数容易受 个别观察对象的特殊值影响。 分层资料不可盲目合并。 秩相关（等级相关）rank correlation 问题的提出 例13.4 某研究者对15例30~50岁成年男子的 舒张压(mmHg)与夜间最低血氧含量分级进行研 究，试分析两者的关联性。资料列于下表。 某医生欲研究血小板浓度和出血症的关系，测得12名病人的血小板浓度（109/L）和出血症如下表： 秩相关的适用条件 ?? 不服从二元正态分布 ? ?用等级资料表示的原始资料 ?? 总体分布未知或边界不确定的资料 基本思想 对于不符合正态分布的资料，不用原始数据计算相关系数，而是按其取值由小到大排秩，然后根据其秩次来计算秩相关系数。 例13.4 某研究者对15例30~50岁成年男子的 舒张压(mmHg)与夜间最低血氧含量分级进行研 究，试分析两者的关联性。资料列于下表。 设有 n 例观察对象，对每一例观察对象同时取得两 个测定值(Xi,Yi)，分别按Xi,Yi (i=1,2, …,n) 的值由小到 大排秩为1, 2, …, n。它们的秩分别为 与 ，将 及 的秩次直接代入直线相关系数的计算公式可得到 Spearman秩相关系数 。 具体步骤 计算相关系数 的假设检验 当n≤50时，可用查表法(查附表15， 界值表)。 当n50时，按式(13.4)和(13.5)进行 t 检验。 （2）计算检验统计量 本例 ，直接查等级相关系数界值表，得 =0.779 。 （3）确定 P 值并作出统计推断 =0.779，P0.001，按 水准，拒绝 ，接受 ，可以认为舒张压与夜间最低血氧含量分级之间有正相关关系。 直线回归分析 主要内容 直线回归方程的建立 直线回归的统计推断 直线回归的应用 直线回归需注意的问题 直线回归与直线相关的联系与区别 医学领域里常常需要研究两个变量之间的关系，例如：人的身高与体重，体温与脉搏次数，年龄与血压，药剂量与疗效，体表面积与肺活量，身高与臂长…… 两变量关系的密切程度可以用直线相关衡量； 两变量的数量变化关系可以用直线回归衡量。 例 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和腰围的直线