两变量间相关与回归分析 .pptVIP

第十一章 两变量间相关与回归分析 第一节 直线相关 一、直线相关的概念 描述两个变量相互关系最简单的统计方法 就是直线相关分析：两个变量是否有直线相关 关系?如果有直线相关关系，那么它们之间的 关系是正相关还是负相关? 相关程度如何？ 三、相关分析的步骤 例11-1　某医师测得10名3岁儿童的体表面积(m2)与体重(kg)原始资料见表11-1第2、3栏,试分析三岁儿童体表面积与体重间的相关关系。 2、相关系数的计算 4、相关系数的假设检验 四、相关分析中应注意的问题 （1） 进行相关分析的资料应有实际意义。 （2）相关系数的计算适用双变量正态分布资料 （3） 进行相关分析前应先绘制散点图。 （4）相关关系不完全等同于因果关系。 （5）实际工作中计算出的相关系数仅是样本 相关系数 （6）不要把相关系数的假设检验结果误认为 两事物或现象间相关的密切程度。 （7）要注意资料的同质性。 data li11_1; input x y@@; cards; 11.0 0.5283 11.8 0.5299 12.0 0.5358 12.3 0.5292 13.1 0.5602 13.7 0.6014 14.4 0.5830 14.9 0.6102 15.2 0.6075 16.0 0.6411 ; proc corr; var x y; run; proc plot;plot y*x=*;run; 第二节 直线回归 相关分析是描述两变量之间相互关系 回归分析是分析两变量间是否有依存关系 一、直线回归方程 a称为截距， b称之为斜率或回归系数，表示 当自变量X每改变一个单位,因变量Y平均变动 的单位数。 最小二乘法： 二、实例求解回归方程 1、绘制散点图。 2、计算 77.55946 - 134.4×5.7266/10 b＝───────────────＝ 0.02385 1831.24 - (134.4)2/10 3.绘制回归线 三、直线回归方程的假设检验 1、回归系数的假设检验——方差分析 拒绝H0, 接受H1,回归方程有统计学意义，故可认为小儿体表面积与体重之间有直线回归关系存在。 2、回归系数的假设检验－t检验 四、直线回归方程的应用 1、描述两变量间的依存关系 2、利用回归方程进行预测 所谓利用回归方程进行预测就是把自变量代 入回归方程，对应变量进行估计，可求出因变 量取值的波动范围，即个体Y值的预测区间 （prediction interval, PI)。 当X为某定值时 ，Y的1-α预测区间为: 3、利用回归方程进行统计控制 统计控制是利用回归方程进行逆估计，如要求因变量Y在一定范围内波动，可以通过控制自变量X的取值来实现。 data li11_2; input x y@@; cards; 11.0 0.5283 11.8 0.5299 12.0 0.5358 12.3 0.5292 13.1 0.5602 13.7 0.6014 14.4 0.5830 14.9 0.6102 15.2 0.6075 16.0 0.6411 ; proc reg; model y=x/stb P /*输出y的实测值、预测值及其误差、残差*/ Clm /*输出预测值均值的95%的置信区间*/ cli; /*输出y的95%的预测区间*/ Run; 五、直线回归分析中应注意的问题 1、进行回归分析要有实际意义。 2、注意直线回归分析的条件。 ①线性 ②独 立性 ③正态性 ④方差齐性 3、结果的正确解释：不能混淆P值与回归系 数的意义。 4、线性回归应用时应考虑其实测范围。 第三节 直线回归与直线相关分析的区别与联系 一、直线回归与直线相关分析的区别 1. 资料要求不同。 2. 应用目的不同。 3. 统计意义不同 二、直线回归与直线相关分析的联系 1. 正负符号一致 2. 假设检验等价 3. r与b可换算 4. 用回归解释相关：决定系数= 第四节 秩相关 一、Spearman等级相关系数 二、假设检验 例12-5 某保险公司在18个地区开展大病住院医疗保险，收集到表11-2(1)、(2)、（4）栏统计资料。资料中X表示承保深度（