[医学]第十二章 直线相关与回归.pptVIP

一、直线相关的概念 直线相关(linear correlation)： 又称简单相关，是探讨服从正态分布的两个随机变量X和Y有无线性相关关系的一种统计分析方法。 第二节 直线回归 直线回归方程的一般表达式： 第三节 直线相关与回归分析的关系 （一）区别 （二）联系 第四节 Spearman等级相关 不服从双变量正态分布而不宜作积差相关分析； 总体分布类型未知； 等级资料。 等级相关系数的假设检验 H0:ρS=0，H1: ρS ≠0，?=0.05 本例n=10，查rs界值表得： rs(0, 0.02)=0.745，rsrs(10, 0.02)，则P0.02，按α=0.05水准，拒绝H0，接受H1，认为rs有统计学意义。 1．建立检验假设 H0:?=0 H1:??0 ?=0.05 2．计算统计量 3．确定P值和判断结果 ?=12-2=10，查t值表，t0.01(10)=3.169,本例的tr=3.092? t0.01(10)，P?0.01，按?=0.05的水准，拒绝H0，接受H1，认为糖尿病患者血糖和胰岛素之间存在相关关系，是负相关 。 例12-1： t 检验法 因为?=12-2=10，查r界值表，r0.05(10)=0.576，r0.01(10)=0.708，本例r=-0.8115 r0.01(10)，P0.01, 按?=0.05的水准，拒绝H0 ,接受H1 ，结论同 t 检验。 例12-1： 查表法 直线回归方程的求解：最小二乘原理 y x 保证各实测点距回归直线的纵向距离平方和最小。 根据最小二乘估计原理: 得：b=-0.3256，a=16.0907 根据： b=-0.3256 a=16.0907 写出直线回归方程： 有意义吗？-- 假设检验 回归系数也有抽样误差！ 总体 β＝0 总体 β ≠0 样本 b≠0 两变量有 直线关系 两变量无 直线关系 ？ ？ r 的平方称为决定系数（coefficient of determination） 回归平方和是由于引入了相关变量而使总平方和减少的部分。回归平方和越接近总平方和，则r2越接近1，剩余平方和越小，相关和回归分析的效果越好。 (黄陈平 施红英) 卫生学（第7版） · 第十二章 直线相关与回归 * 直线相关与回归 第十一章 主要内容 直线相关 直线回归 直线相关与回归的区别与联系 等级相关 一、直线相关的概念 二、相关系数的计算 三、相关系数的假设检验 第一节 直线相关 如，研究血糖和胰岛素之间的线性关系 线性相关系数(linear correlation coefficient)：又称积差相关系数，简称相关系数，是描述两个变量间线性相关关系的密切程度与方向的统计指标。样本相关系数用r表示，总体相关系数用?表示。 相关系数没有单位，其取值在-1和1之间波动。r值为正表示正相关，r值为负表示负相关，r值为零为零相关。r值等于1为完全正相关。r值等于-1表示完全负相关。 相关系数 其中 二、相关系数的计算 例12-1 某医生随机抽查了12名糖尿病患者的空腹血糖及胰岛素值，数据见下表，试做相关分析。 本例， 代入公式，得 三、相关系数的假设检验 t 检验 查表法 根据自由度查相关系数r界值表，查出r0.05(?)，若r?r0.05(?) , 则认为P?0.05，不拒绝H0，若r?r0.05(?) , 则认为P?0.05，拒绝H0，接受H1。 一、直线回归的概念 二、直线回归方程的求法 三、回归系数的假设检验 四、回归方程的应用 五、注意事项 直线回归(linear regression)，又称简单回归，是探讨两个连续性变量X和Y间依存关系的一种统计分析方法。 一、直线回归的概念 ：为X 取某固定值时应变量Y 总体均数的估计值。 a：截距 b：回归系数，即斜率。 注意：直线回归方程与函数方程的不同 Y= a + bX 例12-2 就例12-1的资料，现已计算得糖尿病患者的血糖与胰岛素之间存在负相关关系，试继续进行直线回归分析。 二、直线回归方程的求法 步骤1：绘制散点图 步骤2：计算回归系数b和截距a 步骤3：建立直线回归方程 t 检验 回归系数的假设检验与相关系数的假设检验等价 三、回归系数的假设检验 称剩余标准差（residual standard deviation），为各实际值Y与估计值之间的误差，反映了扣除X的影响后，Y对回归直线的离散程度。 1．检验假设 H0: ?=0 H1: ??0 ?=0.05 2．计算统计量 3．确定P值，判断结