医学统计学_两指标间的相关分析.pptVIP

两指标间的关系分析 Linear correlation 线性相关 内容 相关关系与确定性关系 定量资料的相关 定性资料的相关 等级资料的相关 相关分析的正确应用 10.1 相关关系与确定性关系 确定性关系：两变量间的函数关系 圆的周长与半径的关系： C＝2?R X与Y的函数关系： Y＝a+bX 非确定性关系：两变量在宏观上存在关系，但并未精确到可以用函数关系来表达。 收入与消费的关系； 青少年身高与体重的关系； 当一个变量增大，另一个也随之增大(或减少)，称这种现象为共变，或相关(correlation)。两个变量有共变现象，称为有相关关系。 相关关系不一定是因果关系。 反映两定量指标间的直线相关关系用 Pearson 相关系数。 (Pearson correlation coefficient) 相关关系示意图 Pearson相关系数的计算 离均差平方和、离均差积和的展开： 例10.1 10名3岁男童体重与体表面积的关系 编号 体重(X,kg) 体表面积(Y,103cm2) 1 11.0 5.283 2 11.8 5.299 3 12.0 5.358 4 12.3 5.292 5 13.1 5.602 6 13.7 6.014 7 14.4 5.830 8 14.9 6.102 9 15.2 6.075 10 16.0 6.411 合计 133.4 57.266 分析步骤 1、散点图 2、计算相关系数计算 3、相关系数的假设检验 10名3岁男童体重与体表面积散点图 例10.1资料相关系数的计算 10.2.2 相关系数的假设检验 H 0：?＝0，体重与体表面积无相关关系； H 1：??0，体重与体表面积有相关关系。 ? = 0.05 t 服从自由度为 n-2 的 t 分布。 例10.1资料相关系数的假设检验 10.2.3 总体相关系数?的区间估计 相关系数? 分布 相关系数? =0 样本相关系数的分布是对称的，当样本含量较大时，近似正态分布 相关系数?不等于0 样本相关系数的分布是偏态 z变换(双曲正切变换) R.A.Fisher(1921)提出的 z值 的分布 变换值 z 近似服从均数为 标准差为 的正态分布 将相关系数 r 变换为 z 值，并按正态分布原理估计 z 的 100(1-? )%的可信限 以例10.1数据为例，试计算总体相关系数? 的95%及99%可信区间 z的95%可信区间： 1.9198±1.96×0.3780 = (1.1789，2.6607) z的99%可信区间： 1.9198±2.58×0.3780 = (0.9446，2.8950) 10.2.4 两样本相关系数的比较 例10.3 某医院分别测定正常成年男子12人和正常成年女子12人的心率(X,次/分)与心脏左室电机械收缩时间QS(Y,毫秒)的数据见表10.2，试比较男子和女子的心率(次/分)与心脏左室电机械收缩时间QS(毫秒)的相关是否相同。 分析思路 分析男、女心率与机械收缩时间是否有关 散点图 相关系数 相关系数假设检验( ？) 比较两相关系数是否相同 (1)散点图 (2) 分别计算两样本相关系数r 男性 女性 (3) 对两相关系数进行假设检验 统计量 (4)比较两总体相关系数是否相等 H0：男子心率与心脏左室电机械收缩时间的相关与女子的相等，?1＝?2； H1：男子心率与心脏左室电机械收缩时间的相关与女子的不等，?1≠?2。 ? =0.10。 10.3 定性资料的相关 列联系数 contingency coefficient 10.3.1 四格表的列联系数 甲法 乙法 ＋ － ＋ a b － c d -1≤ rn ≤+1 例10.4 两种方法观察舌象结果的相关性 某中医师采用两种方法观察舌象200例，观察结果如下，试分析两种观察方法的结果有无联系？ 甲法 乙法 ＋ － ＋ 84 (a) 16(b) － 20 (c) 80(d) 10.3.2 列联表