医学研究的数据管理与分析——第十章1PPT.pptVIP

（2）相关性输出，“相关性”表格给出的是Pearson相关系数及其检验结果：“相关系数”表格给出的是两个非参数相关系数及其检验结果。可见，3个相关系数在0.01和0.05的显著性水平（双边检验）上都非常显著，从而推断体重和肺活量之间存在着明显的正相关关系。 （1）描述性输出，“描述性统计量”表格给出了两个变量的基本统计信息，包括均值、标准差和频率。 偏相关分析也称净相关分析，它在控制其他变量的线性影响下分析两变量间的线性相关，所采用的是工具是偏相关系数（净相关系数）。运用偏相关分析可以有效地揭示变量间的真实关系，识别干扰变量并寻找隐含的相关性。 Partial过程，当进行相关分析的两个变量的取值都受到其他变量的影响时，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Partial 过程 偏相关分析 (一)偏相关系数 (1)含义： 在控制了其他变量的影响下计算两变量的相关系数。 虚假相关.如:小学1~6年级全体学生进行速算比赛（身高和、分数间的相关受年龄的影响） 研究商品的需求量和价格、消费者收入之间的关系.因为:需求量和价格之间的相关关系包含了消费者收入对商品需求量的影响；收入对价格也产生影响，并通过价格变动传递到对商品需求量的影响中。 又如：粮食产量与平均气温、月降水量、平均日照时间、温度之间的关系的研究。 控制变量个数为1时，偏相关系数称一阶偏相关；当控制两个变量时，偏相关系数称为二阶偏相关；当控制变量的个数为0时，偏相关系数称为零阶偏相关，也就是简单相关系数。 控制了z的条件下，x、y之间的偏相关系数 ： 控制了两个变量z1、z2，变量x、y之间的偏相关系数： Pearson偏相关系数假设检验的t统计量： 其中，r是相应的偏相关系数，n是观测量数，k是控制变量的数目， n-k-2是自由度。当tt0.05(n-k-2)时，p0.05拒绝原假设 返回 (一)偏相关系数 (2)偏相关的有关公式： 偏相关分析 (二)基本操作步骤 (1).菜单选项:analyze-correlate-partial… (2).选择将参加计算的变量到variable框. (3).选择控制变量到controlling for 框。 (4)option选项: zero-order correlations:输出简单相关系数矩阵 (三)应用举例 例10-1-2 偏相关分析 第十章 SPSS软件应用（三） 第一节 相关分析 相关关系 客观事物之间的关系大致可归纳为两大类，即: (1)函数关系:是事物间的一种一一对应的确定性关系.即:当一个变量x取一定值时,另一变量y可以依确定的关系取一个确定的值 (如:销售额与销售量;圆面积和圆半径.) (2)相关关系（统计关系）:事物间的关系不是确定性的.即:当一个变量x取一定值时,另一变量y的取值可能有几个.一个变量的值不能由另一个变量唯一确定(如:家庭收入和支出、子女身高和父母身高之间的关系.) 相关关系又分为线性相关和非线性相关。 不相关 正线性相关 负线性相关 相关但非线性相关 统计关系不象函数关系那样直接,但却普遍存在,且有强有弱.如何测度? 相关分析和回归分析都是分析客观事物之间相关关系的数量分析方法。 相关分析旨在测度变量间线性关系的强弱程度. 回归分析侧重考察变量之间的数量变化规律,并通过一定的数学表达式来描述这种关系,进而确定一个或几个变量的变化对另一个变量的影响程度. 相关分析菜单项 Bivariate过程 Bivariate过程用于进行两个或多个变量间的参数与非参数相关分析，如为多个变量，给出两两相关的分析结果。这是correlate菜单中最常用的一个过程，包括自动计算Pearson简单相关系数、T检验统计量和对应的概率P值。 相关分析用于描述两个变量间联系的密切程度，一般用r表示。 它反映的是两个变量的共变性。即一个变量变化之后，另一个变量在多大程度上会随之变化。 特点：变量不分主次，不分因果，被置于同等的地位。 (一)目的 通过样本数据,研究两变量间线性相关程度的强弱. (二)基本方法 绘制散点图 计算相关系数 相关分析 (一)相关系数 (1)作用: 以精确的相关系数(r)体现两个变量间的线性关系程度. 相关系数r的取值在-1～+1之间 r0表示两变量存在正的线性相关关系；r0表示两变量存在负的线性相关关系 r＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相关；r＝0表示两变量不相关 |r|0.8表示两变量有较强的线性关系； |r|0.3表示两变量之间的线性关系较弱 相关分析 (一)相关系数 (2)说明: 相关系数只是较好地度量了两变量间的线性相关程度,不能描述非线性关系. 如:x和y的取值为:(