[医药卫生]线性相关与回归.doc

第七章 线性相关与回归 1直线相关分析 概述 （1）直线相关(linear correlation)又称简单相关(simple correlation)，用于描述服从正态分布的两个随机变量间的相关关系，两个变量是等价的，分别定义为X变量和Y变量。 （2）Pearson相关系数又称积差相关系数(coefficient of product-moment correlation)，总体相关系数为，为样本相关系数，说明具有直线关系的两个变量间，相关关系的密切程度与相关方向。 相关系数没有单位，其值为-1≤≤1。0表示正相关，0表示负相关，||越接近1，相关程度越密切。 （3）直线相关分析的基本步骤：①绘制散点图；②计算直线相关系数；③假设检验，采用检验判断是否来自=0的总体；④参数估计。 (4) Sperman秩相关(rank correlation) 用于不满足Pearson相关分析的两变量相关分析，适用于①不服从双变量正态分布而不宜作积差相关分析的资料；②总体分布型未知；③等级资料或者数据本身有不确定值。其实质是利用原始数据的秩次计算积差相关系数。 利用分析员进行直线相关分析 例7-1 20名15岁健康男生身高与体重资料如下，试分析身高与体重间是否存在直线相关关系。(选自刘桂芬主编 医学统计学（第2版）) 1.2.1 直线相关分析基本操作步骤 （1）建立包含no、height、weight三个变量的数据文件eg7_1，如图7-1，存入SASUSER。 图7-1 例7-1数据结构 图7-2 进入分析员状态操作过程 （2）进入分析员状态：主菜单栏点击Solutions →Analysis →Analyst，操作如图7-2，单击后进入分析员状态。 （3） 打开数据文件：点击File →Open → SASUER→ eg7_1, 打开数据文件，见图7-3。 （4）进入直线相关分析：主菜单点击Statistics →Descriptive → Correlations 如图7-4，单击后弹出Correlations 对话框，如图7-5。 图7-3 打开数据文件 图7-4 进入直线相关分析过程 图7-5 Correlations 对话框 （5）进行直线相关分析 图7-5 为Correlations 对话框，左侧框为数据文件中的变量名，同时选择height、weight两个变量，点击按钮，height、weight进入分析框，设置为分析变量，见图7-6； 点击按钮，Types of plots 中选择输出散点图（Scatter plots）和散点图椭圆形分布可信范围(Add confidence ellipses)，默认为95%，见图7-7， 点击OK，完成设置，回到Correlations 对话框界面。 图7-6 设置分析变量 图7-7 散点图选择 再点击相关分析对话框的OK，输出结果如下： 输出结果及解释： ①简单统计描述：身高（height）、体重（weight）的均数（Mean）、标准差(Std Dev)、总和(Sum)、最小值(Minimum)、最大值(Maximum)。 ②Pearson相关系数r=0.86395、P0.0001，身高与体重有直线相关关系，两变量是同向变化的。 （6）输出散点图 点击屏幕下方隐藏窗口中的按钮，窗口切换到分析员状态，图7-8为中间的大纲窗口，点击第三个条目，或从窗口中点击，见图7-9，显示散点图， 见图7-10。 图7-8 结果输出大纲 图7-9 结果输出大纲 图7-10 散点图 1.2.2 相关分析过程的其他选项 （1）Options按钮：在Correlations 对话框界面上，点击按钮，显示直线相关分析选项，见图7-11，图中已选择的内容为默认输出，包括P值、统计描述、相关系数采用对角阵形式输出。 其他常用选项：选项前点击显示√即可选。 Sperman 等级相关或秩相关； Covariances 协方差矩阵，输出变量方差、协方差； CSSCP matrix 校正离均差平方和或乘积和矩阵，输出变量离均差平方、离均差乘积和； SSCP matrix 未校正离均差平方和或乘积和矩阵，输出变量平方、乘积和。 图7-11 Options选项 (2) Save data按钮 保