医学统计学(一元相关与回归).ppt

相关与回归 掌握： 积差相关 等级相关 线性回归的概念 线性回归方程的计算 回归系数的假设检验 相关与回归的区别与联系 了解： 曲线拟合 为研究父亲与成年儿子身高之间的关系，皮尔逊测量了1078对父子的身高。 把1078对数字表示在坐标上。X上的数代表父亲身高，Y上的数代表儿子的身高。 1078个点形成图形是一个散点图。 2、 积差相关系数 积差相关系数的计算 【例9-1】一个产科医师发现孕妇尿中雌三醇含量与产儿的体重有关。于是设想，通过测量待产妇尿中雌三醇含量，可以预测产儿体重，以便对低出生体重进行预防。因此收集了31例待产妇24小时的尿，测量其中的雌三醇含量，同时记录产儿的体重。问尿中雌三醇含量与产儿体重之间是否存在相关关系？是正相关还是负相关？ 1)绘制散点图 ∑X=534；∑Y=99.2；∑X2=9876 ∑Y2=324.8； ∑XY=1750； 3) 相关系数的假设检验 上例中r =0.61，说明了31例样本中雌三醇含量与出生体重之间存在相关关系。但是，这31例只是总体中的一个样本，由此得到的相关系数会存在抽样误差。 ?=0时，由于抽样误差，可能导致r≠0。 对r进行假设检验，判断r ≠0是由于抽样误差所致，还是两个变量之间确实存在相关关系。 3) 相关系数的假设检验 二、等级相关（秩相关） 秩相关系数 Spearman相关系数（rs） Kendall相关系数（rk） 【例9-2】 12名2~7岁急性白血病患儿的血小板数与出血症状资料见下表，分析两者之间有无直线关系： H0：ρ＝0，H1：ρ≠0 2）Kendall相关系数 在X的秩从小到大排列后，计算配对的Y每个秩下面更大者的个数，合计值记为S，计算rK并在相同秩次较多时校正： 三、相关系数应用注意事项 有实际意义 在两个变量的变化范围内进行相关 不是因果关系，但可做为进一步考证有无因果关系的基础 四、直线相关的应用 一般说来，当n100，并对r进行假设检验，有统计学意义时： ∣r∣＞0.7，则表示两个变量高度相关； 0.4＜∣r∣≤0.7时，则表示两个变量之间中度相关； 0.2＜∣r∣≤0.4时，则两个变量低度相关。 待产妇尿中雌三醇含量和产儿体重之间成正相关。那么，如果我们知道了一位待产妇的尿雌三醇含量，能推断出产儿的体重吗？或产儿的体重可能在什么范围内呢？ 身高与体重之间也成正相关关系。那么，身高每增加1厘米，体重增加多少克呢？ 上面的相关关系分析不能提供给我们需要的答案。这些要用直线回归的方法来解决。 某保险公司承保汽车5万量，平均每量保费收入为1000元，则该保险公司汽车承保总收入为5000万元。 承保总收入： Y 承保汽车量数： X Y=1000X X与Y两个变量间完全表现为一种确定性关系，即函数关系。 银行的1年期存款利息年息为2.25%，存入的本金用X表示，到期的本息用Y表示，则 Y=X+2.25%X 这里Y与X仍表现为一种线性函数关系。 另外一种情况： 两事物之间有着密切的联系，但密切的程度并没有达到由一个可以完全确定另一个的程度。例如： ?生长发育阶段动物体重增量与食量 ? 广告费支出与商品销售额 第二节 一元回归 1. 直线回归方程的求法 b0 x↑ y↑；b0 x↑ y↓ b：意义为x每变化一个单位，y变化的平均值 x：自变量，要求容易测定、容易控制 ：y 的估计值，y称因变量，要求在不同的x的 时候其分布为正态分布 ②a、b的计算（用最小二乘法原理估计b) n：对子数（数据对） 决定系数（determining coefficient，R2）：回归平方和在总平方和中所占的比例。 在自变量的变化范围内选两点做直线 （0，a）（X，Y） 这两点可以用来核对图线绘制是否正确。 直线回归方程从样本资料计算而得，有抽样误差。 需要对样本的回归系数b进行假设检验，以判断b是否从回归系数为零的总体中抽得。 总体的回归系数一般用β表示。 t-检验 　　H0：β=0 （直线回归方程不成立） 　　H1：β≠0 （直线回归方程成立） 二、直线回归方程的应用 估计:描述两变量间的依存关系 通过回归系数的假设检验，若认为两变量之间存在直线回归关系，则可用直线回归来