相关回归(Corr,Reg过程)精品.ppt

相关与回归 实习八  一、目的要求 1.掌握直线相关与回归分析的意义、用途与假设检验。 2.掌握直线相关与回归分析的区别与联系。 3.了解SAS中的proc corr、proc reg过程且能对结果作分析。 二、线形相关 1.资料要求：X、Y服从双变量正态分布的连续型变量。 2.方法：计算两变量的线性相关系数（pearson）。 3.公式： 4.相关系数的统计推断 （1）查表法 （2）t检验 线性相关应用中注意的问题 1. r接近零并不意味着两变量间一定无相关性 2. 一个变量的数值人为选定时莫做相关 3. 出现异常值时慎用相关 4. 相关未必真有内在联系 5. 分层资料盲目合并易出假象 实 例 表 15名健康成人凝血时间与凝血酶浓度测量值 SAS程序 DATA C; INPUT X Y@@; cards; 1.1 14 1.2 13 1.0 15 0.9 15 1.2 13 1.1 14 0.9 16 0.6 17 1.0 14 0.9 16 1.1 15 0.9 16 1.1 14 1.0 15 0.7 17 ; PROC GPLOT; PLOT Y*X; PROC CORR ; VAR X Y; RUN; SAS输出结果： SAS输出结果： The CORR Procedure 2 Variables: X Y Simple Statistic Variable N Mean Std Dev Sum Minimum Maximum X 15 0.98000 0.16987 14.70000 0.60000 1.20000 Y 15 14.93333 1.27988 224.00000 13.00000 17.00000 SAS输出结果： Pearson Correlation Coefficients, N = 15 Prob |r| under H0: Rho=0 X Y X 1.00000 -0.92646 .0001 Y -0.92646 1.00000 .0001 相关系数r P 值 三、秩相关 1.资料要求：不满足正态分布或总体 分布未知的两连续型变量。 2.方法：利用两变量的秩次大小作线相关分析，计算spearman相关系数。 3.公式：与线性相关一样。 4.相关系数的统计推断 （1）n≤50，查表法 （2）n50,t检验 实 例 SAS程序 DATA ex4; INPUT x y @@; CARDS; 121 3 138 2 165 1 310 0 426 2 540 2 …… ; PROC CORR SPEARMAN; VAR x y; RUN; The CORR Procedure Variables: x Simple Statistics Variable N Mean Std Dev Median Minimum Maximum x 12 791.00000 612.64508 640.00000 121.00000 2004 y 12 1.08333 1.24011 0.50000 0 3.00000 SAS输出结果： Spearman Correlation Coefficients, N = 12 Prob |r| under H0: Rho=0 x y