第八讲---青城驿站.pptVIP

相关与偏相关 基本内容 医学上，许多现象之间都有相互联系，例如：身高与体重、父亲身高与儿子身高、体温与脉搏、产前检查与婴儿体重、乙肝病毒与乙肝等。 在这些有关系的现象中，它们之间联系的程度和性质也各不相同。 关系：可以说乙肝病毒感染是前因，得了乙肝是后果，乙肝病毒和乙肝之间是因果关系；但是，有的现象之间因果不清，只是伴随关系，例如丈夫的身高和妻子的身高之间，就不能说有因果关系。 相关就是用于研究和解释两个变量之间相互关系的。 主要内容 第一节 直线相关 一、相关的类型 二、相关系数 三、相关系数的假设检验 四、直线相关的应用 为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。 它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 一、相关的类型 ★正相关 ★负相关 ★完全正相关 ★完全负相关 ★零相关 二、相关系数 ◆样本的相关系数用r (correlation coefficient) ◆相关系数r的值在-1和1之间。正相关时，r值在0和1之间，这时一个变量增加，另一个变量也增加；负相关时，r值在-1和0之间，此时一个变量增加，另一个变量将减少。 ◆r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。 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：总体-样本、 目的、变量、关系 SPSS计算程序 1.做散点图：标题、标目、散点 GRAPHS-SCATTERT-SIMPLE-DEFIND 双击TITLE加标题、标目 2. 相关分析: ANALYZE--CORRELATION –BIVARIATE -VARIABLES 问题：我们能否得出结论：待产妇尿中雌三醇含量与产儿体重之间成正相关，相关系数是0.61?为什么？ 三、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。 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。 在待产妇尿中雌三醇含量和产儿体重之间的关系中，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？ 这要用直线回归的方法来解决。 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、 回归方程 二 回归系数 SPSS程序 ANALYZE-REGRESSION–LINEAR 三 回归直线的描绘 根据求得的回归方程，可以在自变量X的实测范围内任取两个值，代入方程中，求得相应的两个Y值，以这两对数据找出对应的两个坐标点，将两点连接为一条直线，就是该方程的回归直线。 回归直线一定经过（0，a ），（ ）。 这两点可以用来核对图线绘制是否正确。 总体的回归系数一般用β表示。 需要对样本的回归系数b进行假设检验，以判断b是否从回归系数为零的总体中抽得。 为了判断抽样误差的影响，需对回归系数进行假设检验。 四 回归系数的假设检验 H0：β=0 H1：β≠0 α=0.05 选择合适的假设检验方法，计算统计量 计算概率值P 做出推论：统计学结论和专业结论 SPSS结果 采用公式计算：t检验方法 计算 tb=4.414 2、体重与肺活量的简单相关系数 3、身高与体重的简单相关系数 另外的例子： 识字数，鞋大小 游泳票与冰激凌销售量 排除其它变量的干扰 身高与肺活量的偏相关系数（体重为控制变量） P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S Controlling for.. X2 （体重）