卫生统计学课件_第11章__两变量关联性.pptVIP

例 一 一个产科医师发现孕妇尿中雌三醇含量与产儿的体重有关。于是设想，通过测量待产妇尿中雌三醇含量，可以预测产儿体重，以便对低出生体重进行预防。因此收集了31例待产妇24小时的尿，测量其中的雌三醇含量，同时记录产儿的体重。问尿中雌三醇含量与产儿体重之间相关系数是多少？是正相关还是负相关？ 分析问题：目的、变量、关系 ∑X=534 ∑Y=99.2 ∑ X2=9876 ∑ Y2=324.8 ∑XY=1750 N=31 问题： 我们能否得出结论说明待产妇尿中雌三醇含量与产儿体重之间程正相关，相关系数是0.61。为什么？ 相关系数的假设检验 上例中的相关系数r等于0.61，说明了31例样本中雌三醇含量与出生体重之间存在相关关系。但是，这31例只是总体中的一个样本，由此得到的相关系数会存在抽样误差。因为，总体相关系数（?）为零时，由于抽样误差，从总体抽出的31例，其r可能不等于零。所以，要判断该样本的r是否有意义，需与总体相关系数?=0进行比较，看两者的差别有无统计学意义。这就要对r进行假设检验，判断r不等于零是由于抽样误差所致，还是两个变量之间确实存在相关关系。 直线相关的应用 前面我们已经讲过，相关是研究两个变量间的相互关系，而且这种相互关系是用相关系数反应的。在确实存在相关关系的前提下，如果r的绝对值越大，说明两个变量之间的关联程度越强，那么，已知一个变量对预测另一个变量越有帮助；如果r绝对值越小，则说明两个变量之间的关系越弱，一个变量的信息对猜测另一个变量的值无多大帮助。 一般说来，当样本量较大（n100），并对r进行假设检验，有统计学意义时，r的绝对值大于0.7，则表示两个变量高度相关；r的绝对值大于0.4，小于等于0.7时，则表示两个变量之间中度相关；r的绝对值大于0.2，小于等于0.4时，则两个变量低度相关。 前面我们讨论了待产妇尿中雌三醇含量和产儿体重之间的关系，知道了二者之间成正相关。那么，如果我们知道了一位待产妇的尿雌三醇含量，能推断出产儿的体重吗？或产儿的体重可能在什么范围内呢？还有，随着身高的增加，体重也在增大，它们之间也成正相关关系。那么，身高每增加1厘米，体重增加多少克呢？上面的相关关系分析不能提供给我们需要的答案。这些要用直线回归的方法来解决。 当我们知道了两个变量之间有直线相关关系，并且一个变量的变化会引起另一个变量的变化，这时，如果它们之间存在准确、严格的关系，它们的变化可用函数方程来表示，叫它们是函数关系，它们之间的关系式叫函数方程。但在实际生活当中，由于其它因素的干扰，许多双变量之间的关系并不是严格的函数关系，不能用函数方程反映，为了区别于两变量间的函数方程，我们称这种关系式为直线回归方程，这种关系为直线回归. 一、秩相关概念 秩相关 （Rnak correlation） 　又称等级相关，此方法是利用两变量的秩次大小作线性相关分析，对原变量的分布不作要求，属于非参数统计． 常用的方法: Spearman秩相关 二、秩相关系数的统计推断 类似于积差相关系数（Pearson相关）: n≤50 时，可查秩相关系rs数界值表确定 n≥50 时，以公式计算（具体与积差相关系数检验的公式相同，只是此处用rs代入） 第三节　分类变量的关联性分析 一、交叉分类２×２表关联分析 二、２×２配对资料的关联分析 三、Ｒ×Ｃ表分类资料的关联分析 例 测得某地5801人的ABO血型和MN血型结果如下表，问两种血型系统之间是否有关联？ 可用行×列表资料 检验来推断两个分类变量之间有无关系（或关联）；若有关系，可计算Pearson列联系数C 进一步分析关系的密切程度： 检验步骤： 应用相关注意事项 1.实际意义 进行相关回归分析要有实际意义，不可把毫无关系的两个事物或现象用来作相关回归分析。 2.相关关系 相关关系不一定是因果关系，也可能是伴随关系，并不能证明事物间有内在联系。 3.利用散点图 对于性质不明确的两组数据，可先做散点图，在图上看它们有无关系、关系的密切程度、是正相关还是负相关，然后再进行相关分析。 4.变量范围 相关分析和回归方程仅适用于样本的原始数据范围之内，出了这个范围，我们不能得出两变量的相关关系和原来的回归关系。 对相关系数的假设检验，常用t检验，选用统计量t的计算公式如下： ? ?=n-2 H0 ： ?=0 H1 ： ?≠0 ?=0.05 r=0.61, n=31, 代入公式 t= ?=n-2=31-2=29 t=4.14 查t值表， t0.05(29)=2.045 查t值表， t0.05(29)=2.756, 上述计算t=4.142.0