第九章 回归和 与相关 医学统计学课件.pptVIP

1 基本概念 单变量分析(univariate analysis) ：t检验、u检验、2检验 、秩和检验、方差分析 两变量分析(multivariate analysis) ：血糖与胰岛素水平，体温与脉搏次数，年龄与血压，药剂量与疗效，体表面积与肺活量 双变量回归与相关 Bivariate Regression and Correlation 3 4 5 8 历史上“回归”一词第一个被英国科学家高尔顿( Francis Galton )爵士用于研究身高的遗传问题。 高尔顿研究发现，父母和孩子的身高有这样的一个趋势：父母高，儿女就高；父母矮，儿女也矮。但是高个父母的儿女们在同龄人中并不像父辈那样在 同龄人中显得那样高，儿女辈的平均身 高将“退化”到或者说“回归”到全体 人口的平均身高。 9 实 例 例9-1 某研究小组随机抽查了20名15岁健康男童，测量其身高（cm）与体重（kg），数据如下，拟研究体重随身高增加而增加的变化规律。 编号 1 2 3 4 5 6 7 8 9 10 身高 145 147 152 150 155 152 157 155 157 160 体重 42 50 45 50 52 55 50 53 55 58 编号 11 12 13 14 15 16 17 18 19 20 身高 157 163 160 165 163 168 170 168 173 175 体重 61 53 56 59 61 58 61 67 64 70 X：自变量（independent variable），也称解释变量（explanatory variable），身高。 Y：应变量（dependent variable），也称因变量或反应变量（response vaiable），体重。 10 散点图 图9-1 15岁男童身高与体重散点图与回归线 散点有线性趋势，但并非所有散点在一条直线上。 11 第一节 简单线性回归 函数关系：确定关系，例如园周长与半径：y=2πr 。 回归关系：非确定关系（incomplete relation） 目的：研究变量之间的数量依存关系，找出一条最能代表这种数据关系的直线。 12 一、简单线性回归方程 总体线性回归方程： ：随机误差 ：斜率(slope)，总体回归系数(regression coefficient)。 ：截距(intercept)，直线与Y轴交点的纵坐标。 13 b ：样本回归系数 样本线性回归方程： ：X取某定值时相应Y总体均数 的点估计值。 三个基本性质： ① ② ③ 回归直线必然通过中心点 。 其中 称为残差(residual)。 14 统计学意义 a 表示自变量X取值为0时相应Y条件均数的估计值。 几何意义 a 0: 回归线与纵轴交点在原点上方。 a 0: 回归线与纵轴交点在原点下方。 a =0: 回归线通过原点。 a的单位与Y值相同 当X可能取0时，a才有实际意义。 a：截距(intercept)，直线与Y轴交点的纵坐标。 15 统计学意义： X每改变一个单位，Y平均改变b个单位。 几何意义： b 0，Y随X的增大而增大（减少而减少）—— 斜上； b 0，Y随X的增大而减小（减少而增加）—— 斜下； b =0，Y与X无直线关系 —— 水平。 ｜ b ｜越大，表示Y随X变化越快，直线越陡峭。 b ：样本回归系数 16 回归系数b的几何意义 17 二、回归方程的估计 最小二乘法(least square method) ：使各实测点到直线的纵向距离的平方和最小。即使 最小。 因为直线一定经过“均数”点 X与Y的离均差乘积和 X的离均差平方和 18 最小二乘原理 19 散点图 20 回归参数计算的实例 编号 身高X 体重Y X2 Y2 XY 1 145 42 21025 1764 6090 2 147 50 21609 2500 7350 3 152 45 23104 2025 6840 4 150 50 22500 2500 7500 5 155 52 24025 2704 8060 ┇ ┇ ┇ ┇ ┇ ┇ 16 168 58 28224 3364 9744 17 170 61 28900 3721 10370 18 168 67 28224 4489 112