第十章数值变量资料统计分析（二）.docVIP

第十章 线性相关与回归 课 时：4学时 授课对象：临床医学、康复医学、中医学本科 目的要求：1.掌握线性相关、回归分析的用途和应用条件。 2.熟悉相关系数r、回归系数b和截距a的计算以及假设检验. 3.了解相关回归的概念及应用注意事项。 重 点：Pearson积差相关系数r、回归系数b和截距a的计算。 难 点：直线相关、直线回归分析中应注意的问题。 教学方式：大课讲授 学时安排：组织教学2分钟，复习旧课5分钟，讲授新课168分钟，小结5分钟。 教学基本内容如下： 相关（correlation）与回归（regyression）是研究两个或多个随机变量之间相互关系的一种统计分析方法。相关是研究随机变量之间相互联系的密切程度和方向，回归则是研究随机变量之间的数量依存关系。 直线相关分析 一、直线相关的概念与适用范围 1.直线相关的概念 前面所介绍的各种检验方法，均是单个变量数据的统计处理方法，其中虽然也进行两组或两组以上的比较，但仍是同一变量。当研究的两个事物（或现象）之间存在着密切数量关系时，即一个变量（）随着另一个变量（）变化而变化时，这种变量之间的相互关系称为相关关系。当两变量呈相对均等地变化，各数值在直角坐标图上所描述的各点呈直线趋势，那么这两个变量间有直线关系，此就称为直线相关。 2．适用范围： ①两个随机变量（和）必须服从二元正态分布的资料。 ②两个随机变量必须是连续变量，否则不能计算相关系数。 ③两样本含量要大于或等于30（≥30），否则则无意义。 ④两随机变量必须是成对的数据，而且每对数据之间都是互相独立的。 ⑤直线相关的性质可通过相关散点图能初步确定有线性关系。 二、相关系数的概念及意义 概念：相关系数（correlation coefficient）又称积差相关系数，用符号表示，它说明有直线相关的两个变量间，相关关系的密切程度和相关方向的统计指标。如初步确定两变量间有直线相关关系，其相关关系的密切程度如何，它们的性质（相关方向）是相同的方向（正相关），还是相反的方向（负相关）变化呢，这就要用一个统计指标来进行计算和分析，这个指标就是相关系数。 意义： 相关系数没有单位，其值为－1≤ r ≤1。值为正表示正相关，（即两变量、同时增大或同时减小，变化趋势是同向的），若散点完全在一条直线上，、为同向变化称为完全正相关。为负值时称为负相关（即、是反向变化）。=－1为完全负相关。若=0，表示两变量无直线相关关系或有曲线关系等。相关系数的绝对值愈接近0，表示两变量的线性关系程度愈小，相反，绝对值愈接近1，表示两变量间的关系密切程度愈大。如图13—1 正相关 （＞0） 负相关（＜0 ＝ 零相关（= 0） 完全正相关（=1） 完全负相关（=－1） 零相关（＝0） 图10-1 直线相关示意图 三、相关系数的计算 计算公式： （10.1） 例10.1 某医师欲了解急性脑血管病人血清与脑脊液白细胞介素（IL-6）水平，随机抽取某医院确诊的10例蛛网膜下腔出血（SAH）患者24h内血清和脑脊液IL-6（pg/ml），数据如下，问SAH患者血清IL-6和脑脊液IL-6间是否有直线相关关系存在？ 分析步骤如下： 1．绘制散点图，观察两变量间是否呈直线趋势 从如图10—2 P212，由散点图可见，SAH患者血清IL-6和脑脊液IL-6散点有线性趋势存在，而且趋势的方向相同。 2．编制相关系数计算表 表10-1 SAH 患者血清和脑脊液IL-6（pg/ml）检测结果 编号 （1） 血清IL-6 （2） 脑脊液IL-6 （3） （4） （5） （6） 1 22.4 134.0 501.76 17956 3001.6 2 51.6 167.0 2662.56 27889 8617.2 3 58.1 132.3 3375.61 17503.29