第十四章线性相关与线性回归分析.ppt

第三节 秩相关 一、秩相关的应用条件 秩相关使用范围： （一）不满足双变量正态分布的资料； （二）原始数据为等级的资料； （三）分布类型不明的资料。 二、秩相关的计算及显著性检验 例14-7 某地为探讨肝癌发病与黄曲霉毒素的关系，调查分析10个乡镇的肝癌死亡率（1/10万），同时测定当地居民尿中的黄曲霉毒素含量（μmol/L），结果见表13-3。 请分析肝癌死亡率与黄曲霉毒素含量的关系。 采用Spearman秩相关分析。 一般计算步骤如下： 1．将资料列成便于计算的表，见表14-3。 2．两变量各自从小到大给出等级，同一变量数值相等时取平均等级。 二、秩相关的计算及显著性检验 3．求各对变量值等级之差数d，再求∑d2。 4．计算等级相关系数rs（又称Spearman秩相关系数） 5．查表作结论 以n=12，查附表12，得P0.001,该地肝癌死亡率与花生黄曲霉毒素含量之间存在高度相关关系。 第四节 相关与回归的区别与联系 一、区别 （1）资料的要求不同。 （2）应用目的不同。 （3）指标的意义不同。 （4）取值范围不同。-1≤ r ≤1；-∞＜b＜∞。 （5）指标的单位不同：r没有单位，b有单位。 二、联系 （1）对同一组数据，相关系数 r与回归系数b的正负号相同。 （2）相关系数r与回归系数的假设检验等价，同一组资料， 。 （3）用回归解释相关。决定系数，回归平方和占总平方和的比例大小决定相关的密切程度，回归平方和越接近总平方和，则越接近1，说明引人相关的效果越好。 思考题： 1.等级相关的应用条件是什么？ 2.在应用回归和相关分析时应该注意哪些方面的问题？ 3.相关分析有意义，回归分析是不是一定有实际意义？并举例说明。 （黄高明） 第十四章 线性相关与线性回归分析 预防医学 第一节 线性相关 线性相关(linear correlation)：用来描述具有直线关系的两变量x、y间的相互关系的方法。线性相关的两变量x和y是可以互换的。 一、线性相关的概念 如图14-1所示：观察规律 图14-1 线性相关示意图 二、相关系数的意义与计算 线性相关系数: 也称Pearson 积矩相关系数，说明具有直线关系的两变量间相关方向与密切程度。样本相关系数用　表示，计算式为 二、相关系数的意义与计算 相关系数　没有单位，取值范围为-1≤ r ≤1两变量相关的方向： r＞0，正相关； r＜0，负相关； 密切程度：绝对值越接近1，表示两变量间相关关系密切程度越高。 注意：当r＝0时，并不表示两变量间不存在其它关系，仅表明两变量间不存在线性关系。 二、相关系数的意义与计算 序号 1 2 3 4 5 6 7 8 9 10 呼吸次数 32 30 29 28 25 27 29 28 24 21 体温(℃) 40.2 40.6 39.8 39.6 38.6 39.6 40.8 39.2 38.6 37.6 表14-1 某患者连续10次测量的体温和呼吸次数观察结果 例14-1 某护士对某不明原因高烧病人进行监测，每小时观察一 次体温、心率、呼吸等指标。该患者连续10次测量的体温 和呼吸次数的资料见表14-1。 欲分析体温和呼吸次数间是 否存在线性相关关系。 二、相关系数的意义与计算 图14-2 体温和呼吸次数的关系 二、相关系数的意义与计算 相关分析步骤： （一）经绘制散点图，该资料散点有线性趋势，故可进行线性相关分析。 （二）计算。 273.0 394.6 7545 15579.72 10798.40 27.30 39.46 92.100 8.804 二、相关系数的意义与计算 （二）计算 三、相关系数的假设检验 求得一个样本相关系数 值后，需要检验其总体相关系数 是否为0。 常用的方法有： (一) 检验 (二) 查表法 三、相关系数的假设检验