医学研究的数据管理与分析——第十章1.ppt

第十章 SPSS软件应用（三）;第一节 相关分析;相关关系;不相关 ;;在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令： Bivariate（两两相关分析过程） Partial （偏相关分析过程） Distances（距离分析过程）;相关分析用于描述两个变量间联系的密切程度，一般用r表示。 它反映的是两个变量的共变性。即一个变量变化之后，另一个变量在多大程度上会随之变化。 特点：变量不分主次，不分因果，被置于同等的地位。 (一)目的 通过样本数据,研究两变量间线性相关程度的强弱. (二)基本方法 绘制散点图 计算相关系数;(一)相关系数 (1)作用: 以精确的相关系数(r)体现两个变量间的线性关系程度. 相关系数r的取值在-1～+1之间 r0表示两变量存在正的线性相关关系；r0表示两变量存在负的线性相关关系 r＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相关；r＝0表示两变量不相关 |r|0.8表示两变量有较强的线性关系； |r|0.3表示两变量之间的线性关系较弱;(一)相关系数 (2)说明: 相关系数只是较好地度量了两变量间的线性相关程度,不能描述非线性关系. 如:x和y的取值为:(-1,-1) (-1,1) (1,-1) (1,1) r=0 但 xi2+yi2=2 数据中存在极端值时不好 如:(1,1)(2,2)(3,3),(4,4),(5,5),(6,1) r=0.33 但总体上表现出: x=y 应结合散点图分析;(一)相关系数 (3)种类: ;;(一)相关系数 (3)种类: 简单线性相关系数(Pearson):针对定距数据. (如:身高和体重);(一)相关系数 (3)种类: Spearman相关系数:用来度量定序或定类变量间的线性相关关系(如:不同年龄段与不同收入段,职称和受教育年份) 利用秩(数据的排序次序).认为:如果x与y相关,则相应的秩Ui、Vi也具有同步性. 首先得到两变量中各数据的秩( Ui、Vi),并计算Di2统计量. 计算Spearman秩相关系数,与简单相关系数形式完全相同. 若两变量存在强正相关性,则Di2应较小,秩序相关系数较大.若两变量存在强负相关性,则Di2应较大,秩序相关系数为负,绝对值较大;(一)相关系数 (3)种类: Kendall相关系数:度量定序定类变量间的线性相关关系 首先计算一致对数目(U)和非一致对数目(V) 如: 对x和y求秩后为: x: 2 4 3 5 1 y: 3 4 1 5 2 x的秩按自然顺序排序后: x: 1 2 3 4 5 y: 2 3 1 4 5 一致对:(2,3) (2,4)(2,5)(3,4)(3,5)(1,4)(1,5)(4,5) 非一致对:(2,1)(3,1) 然后计算Kendall相关系数. 若两变量存在强相关性,则V较小,秩序相关系数较大;若两变量存在强负关性,则V较大,秩序相关系数为负,绝对值较大;(一)相关系数 (3)种类: Spearman 秩相关和Kendall等级相关 适用于两列等级变量，也适用于计量资料、计数资料、分类资料等。 原理：先将资料排序，然后按照等级计算相关。 因此，用于统计连续变量（计量资料）时，会损失信息，相关系数偏低。;(二)相关系数检验 应对两变量来自的总体是否相关进行统计推断. 原因:抽样的随机性、样本容量小等 (1)H0:两总体零相关,即r=0 (2)构造统计量 ; (二)相关系数检验 (3)计算统计量的值,并得到对应的相伴概率p (4)结论: 如果p=a,则拒绝H0,两总体存在线性相关; 如果pa,不能拒绝H0. ;李炜制作;(三)基本操作步骤 (1)菜单选项:analyze-correlate-bivariate... (2)选择计算相关系数的变量到variables框. (3)选择相关系数(correlation coefficients). (4)显著性检验(test of significance) tow-tailed:输出双尾概率P. one-tailed:输出单尾概率P; 二元变量相关分析主对话框 ;(四)其他选项 statistics选项:仅当计算简单相关系数时,选择输出哪些统计量. means and standard deviations:均值、