三种简单相关分析SAS实现.pptVIP

Kendall等级相关 当两变量等级呈完全正相关时，计算S值过程如下表所示 假设的完全正相关资料计算S值 从表中可以看出S=45－0=45 Kendall等级相关 当两变量等级呈完全负相关时，计算S值过程如下表所示 假设的完全正相关资料计算S值 从表中可以得出S=0－45=-45 Kendall等级相关 4. τ的假设检验。 Kendall等级相关的无效假设是两变量的等级不相关，即在无效假设成立时S期望值为0或者说τ的期望值为0，如果没有相同等级，S的方差为： Kendall等级相关 如果有相同等级，那么S的方差为： 式中：t为x的相同等级个体数；u为y的相同等级个体数。 Kendall等级相关 假设检验可用含有连续性校正的正态近似检验： 例中含有相同等级，故其方差为： Kendall等级相关 故 得 因u 1.96，P 0.05，结论：分子量等级和排泄量等级是相关的。 Kendall等级相关 若把此例当作无重复等级，用公式 计算方差，则为 则得 u 1.96，P 0.05，结论相同。 例 题 例1 随机测量了13名8岁健康男童的体重与心脏横径，结果见下表。试进行直线相关分析。 例 题 data a1; input x y @@; cards; 25.5 9.2 19.5 7.8 24.0 9.4 20.5 8.6 25.0 9.0 22.0 8.8 21.5 9.0 23.5 9.4 26.5 9.7 23.5 8.8 22.0 8.5 20.0 8.2 28.0 9.9 ; run; symbol value=dot; proc gplot; plot x*y; run; /*绘制散点图*/ proc corr fisher(alpha=0.05 biasadj=no); var x y; run; /*直线相关分析*/ 例 题 例 题 Pearson 相关系数, N = 13 当 H0: Rho=0 时，Prob |r| 　 x y x 1 0.89317 .0001 y 0.89317 1 .0001 例 题 Pearson 相关统计量;基于 Fisher z 转换 变量 变量 N 样本相关 Fisher z 95%?置信限 p 值，对于H0:Rho=0 x y 13 0.89317 1.43739 0.673761 0.967853 .0001  * * * Pearson直线相关 例 随机测量了13名8岁健康男童的体重与心脏横径，结果见下表。试进行直线相关分析。 Pearson直线相关 相关系数的计算 ?X=301.5 ?X 2 =7072.75 ?Y=116.3 ?Y 2 =1044.63 ?XY = 2713.65 lXX = ?X 2 – (?X)2/n =7.72.75-301.52/13 = 80.2692 lYY = ?Y 2 – (?Y)2/n =1044.63-116.32/13 = 4.1923 lXY = ?XY – (?X)(?Y)/n =2713.65-301.5?116.3/13=16.3846 Pearson直线相关 相关系数的统计学意义检验 检验假设如下： H0：总体相关系数? =0 H1： ? ?0 ? = 0.05 1. 直接查表法：求得 r 后，按? = n-2查r界值表。 本例，r=0.8932， P0.01，说明总体相关系数与0之间的差别有统计学意义 Pearson直线相关 2. t 检验 若H0成立，从? =0的总体中抽样，所得到的样本相关系数 r 呈对称分布（近似正态分布），此时可用 t 检验。 本例， ? = n-2 =11 按? = 11查t界值表，得P0.01 ，说明总体相关系数与0之间的差别有统计学意义 1 Pearson直线相关 Pearson直线相关 相关系数的区间估计 从相关系数? 不等于0的总体中抽样，样本相关系数的分布是偏态的。 Pearson直线相关 z 近似服从均数为 ， 标准误为 的正态分布。 Z 变换 Pearson直线相关 将 r 变换为 z ； 根据 z 服从正态分布，估计 z 的可信区间； 再将 z 变换回 r 。 Pearson直线相关 直线相关分析的一般步骤 1. 绘制散点图，观察两变量的变化趋势； 2.