实用生物统计（第2版）唐志宇-相关与回归分析案例.docVIP

案例1有研究者以“正常血糖、糖耐量减低及2型糖尿病人群胰岛素抵抗与非酒精性脂肪肝的相关分析”为题，研究了非酒精性脂肪肝的患病率与糖尿病分级的关系以正常血糖者、糖耐量减低者和2型糖尿病为研究对象，采用t检验发现三组血糖血脂水平脂肪肝患病率差，与组比较P0.05，组与组比较P0.05。结认为脂肪肝患病率与血糖水平等相关。 胰岛素/ 三酰甘油/ 总胆固醇/ 胰胰素 抵抗指数/ 脂肪肝患病率/% 空腹 餐后 空腹 餐后 正常血糖 87 5.0±0.5 5.6±1.0 7.4±1.8 24±8 0.9±0.3 3.0±0.9 0.6±0.5 48.3 糖耐量减低 62 6.5±0.5 8.2±1.3 11.4±2.7 134±58 2.1±1.0 4.6±0.8 1.2±0.7 69.4 2型糖尿病 68 8.3±2.6 12.5±3.4 16.8±3.2 114±44 2.6±1.5 5.1±0.8 1.9±0.7 83.8 经检验，糖耐量减低组与正常血糖组比较，以及2型糖尿病与正常血糖组比较，各指标比较的值均0.01；而2型糖尿病与糖耐量减低组比较，餐后胰岛素两组比较0.05，脂肪肝患病率比较0.05，其余各指标比较的值均0.01。 请问：该研究的目的与设计方法吻合吗？该研究设计属于何种类型？有无更好的设计方案？本设计最适合哪种统计分析法？本例的统计分析方法有何不妥？本例的统计分析结果能推出本例的结论吗？若否，则可以推出什么结论？本例的统计表达有何不妥吗？ 案例2 有研究者欲评价两种量表对某疾病的严重程度得分的一致性，评分者A用量表1，评分者B用量表2，对同一批（5人）进行了评分，研究者Pearson相关系数，结果两者相关系数非常之高（），因此认为，两种量表得分是一致的。案例3 有研究者欲研究某药口服量与血药浓度关系，把口服药物设定为1, 25, 5, 7.5, 10, 15, 20, 30等档次，每档各取进行试验，于服药1 h抽血检验血药浓度口服药物量与血药浓度Pearson相关系数=0.，经假设检验P0.001，认为口服药物量与血药浓度呈线性正相关。 血药浓度/ 0.3 0.4 0.3 0.6 0.6 0.7 1.0 1.0 1.1 1.8 1.9 2.0 口服量/mg 10 10 10 15 15 15 20 20 20 30 30 30 血药浓度/ 2.8 3.0 3.0 4.5 4.5 4.3 8.3 8.0 7.8 15.2 14.2 13.8 图1 药物口服量与血药浓度关系的散点图 请问：本例的两个变量各有何特征？可以计算Pearson相关系数吗？若可以，则计算的方法与步骤有何不妥吗？计算结果正确吗？可以推出本例的结论吗？ 案例4 某地调查了4～18岁男孩与女孩身高，数据见表4,试描述男孩与女孩平均身高与年龄间的关系，并预测10.5岁、16.5岁、19岁与20岁男孩与女孩的身高。 表4 某地男孩与女孩平均身高与年龄的调查数据 年龄 平均身高 年龄 平均身高 年龄 平均身高 男孩 女孩 男孩 女孩 男孩 女孩 4.0 102.1 101.2 8.0 126.8 126.3 14.0 162.5 157.1 4.5 105.3 104.5 9.0 132.2 131.8 15.0 166.1 157.7 5.0 108.6 107.6 10.0 136.6 137.9 16.0 169.0 158.7 5.5 111.6 110.8 11.0 142.3 144.1 17.0 170.6 158.9 6.0 116.2 115.1 12.0 147.2 150.0 18.0 170.7 158.9 7.0 122.5 121.1 13.0 156.3 155.1 对身高与年龄进行回归分析。 表5 男孩身高对年龄的简单线性回归分析结果 估计值 标准误 P Constant 83.736 3 1.882 4 44.483 9 0.000 0 AGE 5.274 8 0.167 6 31.479 8 0.000 0 =990.98 =98.5% 表6 女孩身高对年龄的简单线性回归分析结果 估计值 标准误 P Constant 88.432 6 3.280 0 26.961 1 0.000 0 AGE 4.534 0 0.292 0 15.529 0 0.000 0 =241.15 =94.1% 经拟合简单线性回归模型，检验结果提示回归方程具有统计学意义。结果提示，拟合效果非常好，故可认为： （1）男孩与女孩的平均身高随年龄线性递增，年龄每增长1岁，男孩与女孩身高分别平均增加5.27 cm与4.53 cm，男孩生长速度快