[医学]第九章双变量回归与相关.ppt

102 第九章 双变量回归与相关 双变量计量资料：每个个体有两个变量值 总体：无限或有限对变量值 样本：从总体随机抽取的n对变量值 （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 目的：研究X和Y的数量关系 方法：回归与相关 简单、基本——直线回归、直线相关 1. 直线回归 2. 直线相关 3. 秩相关 4. 曲线拟和 十九世纪英国人类学家 F.Galton首次在《自然遗传》一书中，提出并阐明了“相关”和“相关系数”两个概念，为相关论奠定了基础。其后，他和英国统计学家 Karl Pearson对上千个家庭的身高、臂长、拃长（伸开大拇指与中指两端的最大长度）做了测量，发现： 儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 即高个子父代的子代在成年之后的身高平均来说不是更高，而是稍矮于其父代水平，而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton将这种趋向于种族稳定的现象称之“回归”。 目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”“回归系数”等统计学概念。如研究糖尿病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。 第一节 直线回归 一、直线回归的概念 目的：研究应变量Y对自变量X的数量依 存关系。 特点：统计关系。 X值和Y的均数的关系， 不同于一般数学上的X 和Y的函数 关系。 在定量描述儿童年龄与其尿肌酐含量数量上的依存关系时，将年龄称为自变量(independent variable)，用 X 表示；尿肌酐含量称为应变量(dependent variable)，用 Y 表示。 由图9-1可见，尿肌酐含量 Y 随年龄 X 增加而增大且呈直线趋势，但并非8个点子恰好全都在一直线上，此与两变量间严格的直线函数关系不同，称为直线回归（linear regression）,其方程叫直线回归方程，以区别严格意义的直线方程。 双变量直线回归是回归分析中最基本、最简单的一种，故又称简单回归。 1．a 为回归直线在 Y 轴上的截距。 a 0，表示直线与纵轴的交点在原点的上方； a 0，则交点在原点的下方； a = 0，则回归直线通过原点。 2. b为回归系数，即直线的斜率。 b0，直线从左下方走向右上方，Y 随 X 增大而增大； b0，直线从左上方走向右下方，Y 随 X 增大而减小； b=0，表示直线与 X 轴平行，X 与Y 无直线关系。 二、直线回归方程的求法 残差(residual)或剩余值，即实测值Y与假定回归线上的估计值 的纵向距离 。 求解a、b实际上就是“合理地”找到一条能最好地代表数据点分布趋势的直线。 此直线必然通过点( , )且与纵坐标轴相交于截距 a 。如果散点图没有从坐标系原点开始，可在自变量实测范围内远端取易于读数的 X 值代入回归方程得到一个点的坐标，连接此点与点( , )也可绘出回归直线。 三、直线回归中的统计推断 （一）回归方程的假设检验 建立样本直线回归方程，只是完成了统计分析中两变量关系的统计描述，研究者还须回答它所来自的总体的直线回归关系是否确实存在，即是否对总体有 ？ （1）方差分析 （2）t 检验 注意： （二）总体回归系数b的可信区间 利用上述对回归系数的t检验，可以得到β的1－α双侧可信区间为 例9-3 根据例9-1中所得b=0.1392，估计其总体回归系数的双侧95%可信区间。 （三）利用回归方程进行估计和预测 例9-4 用例9-1所得直线回归方程，计算当X0=12时， 的95%可信区间和相应个体值的95%预测区间。 计算步骤 例9-1、例9-2已计算出 第二节 直线相关 二、相关系数的意义与计算 1. 意义：相关系数（correlation coefficient）又称Pearson积差相关系数，用来说明具有直线关系的两变量间相关的密切程度与相关方向。 2. 计算：样本相关系数的计算公式为 由例9-1算得， 三、相关系数的统计推断 （一）相关系数的假设检验 检验步骤 （二）总体相关系数的可信区间 具体步骤如下 四、决定系数(coefficient of determination) 定义为回归平方和与总平方和之比，计算公式为： 五、直线回归与相关应用的注意事项 1．根据分析