相关与回归分析过程.pptVIP

;相关分析简介;积差相关系数，又称Pearson相关系数：定量描述线性相关程度好坏的常用指标，只适用于两变量呈线性相关时。 特点： 相关系数r 是一个无单位的量值，且-1 r 1； r 0 为正相关，r 0 为负相关； ?r ? 越接近于1，说明相关性越好；越接近于0，相关性越差。 Spearman等级相关系数：当数据不满足条件双变量正态时。;Gamma统计量：描述有序分类变量数据联系强度的指标，以下指标都是基于Gamma统计量衍生出来的。 Kendall‘s Tau-b：反映两个有序分类变量的一致性。 Kendall‘s Tau-c： 对Kendall‘s Tau-b进行了校正。;列联系数：基于?2值得出 Phi and Cramer‘s V：也是基于?2值得出 Lambda 系数：用于反映自变量对因变量的预测效果 不确定系数;Eta Kappa 值 OR、RR等; 除了Freq过程的measures选择项外，SAS还提供了其他更专业的相关分析过程：;相关分析CORR过程：; 例1 某医院研究某种代乳粉的营养价值是用大白鼠做试验，得大鼠进食量和体重增量间的关系的原始数据如下，试分析两者有无直线相关关系。;首先绘制散点图，结果如下：;Data corr_1; Input x y@@; Cards; 165 780 158 720 130 867 180 690 134 787 167 934 186 679 145 639 120 820 158 ; Proc corr spearman; Var x y; Run; ; 大家可以发现，对相同的数据，秩相关系数的绝对值比积差相关系数小，为什么？; 前面介绍的相关分析是分析两个计量资料间的关系，在计算积差相关系数、Spearman 相关系数时候，都没有考虑第三方的影响，这就导致可能对事物的解释出现偏差。下面以一个例子对此作进一步的说明。;表1 32例40岁以上男性的BMI指数、年龄、吸烟与收缩压实测值;续表一;续表二;Data corr_2; Input y x1-x3@@; Cards; 135 45 0 2.876 122 41 0 3.251 130 49 0 3.100 158 52 0 3.768 146 54 1 2.979 129 47 1 2.790 162 60 1 3.668 157 54 1 3.612 144 44 1 2.368 180 64 1 4.637 166 59 1 3.877 …… ;; 例4 仍以前数据为例，进一步作回归分析，计算进食量与体重增量之间的回归方程。;绘制散点图如下：;回归分析过程;简单回归分析;多元回归分析; 回归参数的最小二乘估计实为系数矩阵之逆矩阵与常数项矩阵（列向量）之乘积。其计算较为复杂，可以用统计软件求得。 用最小二乘法解出偏回归系数βj的估计值bj后，得到相应的多元线性回归方程为： 下面举例说明用SAS reg过程建立多元线性回归方程。;实例分析;;Proc reg data=corr_2; Model y=x1-x3 /selection=stepwise stb Sle=0.1 sls=0.1; Run; Quit; ;协方差分析;一元完全随机设计资料的协方差分析 ;不考虑年龄对肺活量的关系，直接用t检验比较二组工人的平均肺活量; 协方差分析需调用SAS的GLM过程来分析。 程序如下： proc glm data=coanova; class group; model y=x group/solution; lsmeans group/stderr pdiff; run; ;控制了年龄协变量 后二组修正均数间 无差异。;协方差分析对数据的要求：;用多元线性回归的方法来解决 1、设置哑变量 group= 2、分析哑变量与年龄的 交互作用，如交互作用 不存在，则回归线平行。 3、检验哑变量的回归系数是 否为零。;交互作用不显著，提示回归线平行