第四讲-关联性研究的设计及数据分析.pdfVIP

关联性研 究的设计 与数据分析 公共卫生学院 医学统计与流行病学系 林爱华 前面的学 习阶段 ，介绍 了单个变量的统计 分析方法，着重于比较单个变量的组间差别。 医学研究 中，常常还需要 分析两个随机变 量之间的关系以及一个变量如何 随着另一个变 量的变化而变化。 例 ：胸围 与肺活量 的关系，肺 活量随着胸 围的 变化如何变化。 年龄与血压的 关系，血压 随着年龄 的变化 如何 变化。 主要 内容 ： 1. 两个连续型随机变量间的线性相关。 2. 两个分类变量间的关联。 3. 两个连续型随机变量间的线性回归。 一般 两个连续型随机 变量间的线性联系称为线性 相关(linear correlation)与回归，也称为简单相关与 回归 （simple correlation）。 两个分类变量 间的联系则称为 关联（association）。 一、两个连续型随机变量的线性相关分析 二、两个分类变量的关联分析 三、两个连续型随机变量的线性回归分析 一、两个连续型随机变量的线性相关分析 （一）线性相关的基本概念 （二）线性相关的统计学描述 （三）线性相关的统计推断 （四）等级相关 （五）线性相关分析的注意事项 （一）线性相关的基本概念 1.线性相关的概念： 独立是指一个指标的取值与另一指标取值 多少无关。两指标间不独立则为相关，即某一 指标的取值与另一指标的取值多少有关。 统计学中用一个统计量描述线性相关的密 切程度，称相关系数(Correlation coefficient)。 两个连续型随机变量间联系的强度用 相关系数 （correlation coefficient）来描述。 如果就总体而言，则称为总体相关系数， 记为r ；如果计算数据取 自样本，则称为样 本相关系数，记为r 。  ­1 £ r £ 1 2.相关系数的特点： 两个连续型随机变量间联系的强度用相关系数 （correlation coefficient）来描述。 如果就总体而言，则称为总体相关系数，记为r ；如 果计算数据取自样本，则称为样本相关系数，记为r 。 (1)相关系数r的绝对值必然在0到1之间， ­1£ r£ 1。  (2)r 0，表示无相关;   |r| 1，表示完全函数关系。  (3)相关系数的符号表示相关的方向。  (4)总体相关系数r 的绝对值表示相关的密切程度。  3. 相关的各种形式 (a)  r  0 (b)  r  0 (c)  r = 0 (d)  r = 0 (e)  r = 0 (f)  r = 0 （曲线相关） 图 1  常见的典型散点图 4.相关分析的资料来源 (1)从研究总体随机抽取n个对象，每个对象观 察X和Y两项指标；  (2)或者从已经配成对子的研究总体中随机抽 取n对对象，每对对象观察同一指标。  (3)如果X和Y服从正态分布，这样的研究所获 得的资料就可以做相关分析。 例1  表1为一项关于儿童健康和发育的研究中10名学 龄儿童的身高和体重资料，试对学龄儿童的身高（cm） 和体重（kg）进行相关分析。 表 1  10 名学龄儿童的身高和体重 儿童 1  2  3  4  5  6  7  8  9  10  编号  身 高 149.35 167.64 146.30 170.69 161.54 164.59 155.45 158.50 149.35 152.40 （ X ） 体 重 30.84 42.64 33.11 4