[基础医学]卫生统计学 第11章 双变量关联性分析.pptVIP

河北省省级精品课程 卫生统计学 关于两个分类变量关联程度，我们可用Peason列联系数（contingency coefficient）来描述： 列联系数介于0与1之间，表示两种属性相关的密切程度。 本例列联系数为： 理论上也应就总体列联系数是否为0作假设检验，但这个假设检验等价于上述两变量关联性分析的卡方检验。 两变量独立 存在关联性 ρ=0 ρ≠0 第三节 分类变量的关联性分析 一、2＊2列联表的关联性分析 二、配对设计2＊2表资料的关联性分析 三、R＊C列联表的关联性 例11-7　有132份食品标本，把每份标本一分为二，分别用两种检验方法做沙门菌检验，检验结果如表11-5，试问两种检验方法的结果是否存在关联？ 表11-5　两种检验方法的结果　 132 21 111 合计 42 11 31 _ 90 10 80 + _ + 合计 乙法 甲法 H0：两种检验方法的结果之间互相独立H1：两种培检验方法的结果之间有关联　　?＝0.05则拒绝原假设，两种培养基之间存在着关联性。进一步计算列联系数。　 * 课程负责人: 尹素凤 第11章 双变量关联性分析 第一节 线性相关 一、线性相关的概念及其统计描述 二、相关系数的意义及计算 三、相关系数的统计推断 例11-1　在某地一项膳食调查中,随机抽取了14名40-60岁的健康妇女,测得每人的基础代谢(kj/d)与体重(kg)数据,见表11-1.据此数据如何判断这两项指标间有无关联 表11-1 14名中年健康妇女的基础代谢与体重的测定值 61.5 5029.2 14 67.3 5359.7 7 62.1 4874.4 13 62.8 4970.6 6 59.7 4560.6 12 47.8 3987.4 5 71.0 5355.5 11 51.7 4020.8 4 58.6 5050.1 10 37.1 3460.2 3 44.6 3983.2 9 53.7 4435.0 2 48.6 3970.6 8 50.7 4175.6 1 体重(kg) 基础代谢(kj/d) 编号 体重(kg) 基础代谢(kj/d) 编号 1、散点图 1）. 正相关： 散点呈椭圆形分布，Y随X的增加而增加，X随Y的增加而增加，即两变量X、Y同时增大或减小，变化趋势是同向，称为正相关；各点的排列越接近椭圆的长轴，相关也就越密切。当各点的分布在一条直线上时，则X与Y就是完全正相关了。 2）. 负相关 散点呈椭圆形分布，Y随X的增加而减少，X随Y的增加而减少，变化趋势是反向的，称为负相关；各点的排列越接近椭圆的长轴，相关也就越密切。当各点的分布在一条直线上时，则X与Y就是完全负相关了。 3）. 零相关： 无论X增加还是减少，Y不受其影响，反之，X也不受Y的影响。 第一节 线性相关 一、线性相关的概念及其统计描述 二、相关系数的意义及计算 三、相关系数的统计推断 线性相关系数 它又称为Pearson积矩相关系数，以符号r 来表示样本相关系数，ρ表示总体相关系数。 它是说明两变量间相关关系的密切程度和相 关方向。 当样本值为（x1,y1), （x2,y2),… （xn,yn)时，x和Y的样本均数分别为 计算例11-1中基础代谢Y与体重X之间的样本相关系数 相关系数的特点: 参与相关分析的两个变量是对等的，不分自变量和因变量，因此相关系数只有一个； 相关系数没有单位，其值为－1≤r≤1，r绝对值越大，相关关系越密切； 相关系数的正负号反映相关关系的方向，r值为正表示正相关，r值为负表示负相关，r值等于零为零相关，r值的绝对值等于1为完全相关； 第一节 线性相关 一、线性相关的概念及其统计描述 二、相关系数的意义及计算 三、相关系数的统计推断 r是样本相关系数，它是总体相关系数 的估计值。要判断X、Y间是否有相关关系，就要检验r是否来自总体相关系数 为零的总体。 r1 r2 1 2 == ? == ? 对相关系数的假设检验方法有两种: 1、查表法 P486 附表13 2、采用t检验　　　检验统计量为： 对前面所得r值进行假设检验 积矩相关系数的适用条件 两个变量的测量值应来自于同一总体或同一样本中n个个体的测量，或者是来自于对两个有意义配对的总体或样本的测量； 两个变量的分布应近似于正态分布； 样本量不能太小，样本量太小时所计算出的相关系数不够稳定。 计算相关系数的两个变量都是随机变量。 直线相关系数的意义 直线相关系数r的值，在任何情况下总在﹣1与﹢1之间，而在医学研究中由于影响因素众多，很少有完全相关的情况； 相关系数r的正负号表示相关的性质，即正相关、