(DLu)第10章两变量间相关及回归分析.pptVIP

第十章 两变量之间关系的分析--相关与回归 简单线性相关和回归的基本概念和分析步骤 秩相关基本概念和分析步骤 相关与回归的区别和联系 单变量统计（Univariate statistics） 双变量关系的统计（Bivariate statistics） 第一节 简单线性相关 一、基本概念 描述两个变量相互关系最简单的统计方法 就是直线相关分析： 两个变量是否有直线相关关系? 如果有直线相关关系，那么它们之间的关系是正相关还是负相关? 相关程度如何？ 3、相关系数的计算 4、相关系数的假设检验 四、相关分析中应注意的问题 （1） 进行相关分析的资料应有实际意义 （2）相关系数的计算适用双变量正态分布资料 （3） 进行相关分析前应先绘制散点图 （4）相关关系不完全等同于因果关系 （5）实际工作中计算出的相关系数仅是样本 相关系数 （6）不要把相关系数的假设检验结果误认为 两事物或现象间相关的密切程度 （7）要注意资料的同质性 第二节 简单线性回归 相关分析是描述两变量之间相互关系 回归分析是分析两变量间是否有依存关系 一、直线回归方程 a称为截距， b称之为斜率或回归系数，表示当自变量X每改变一个单位,因变量Y平均变动的单位数。 I型回归 II型回归 直线回归（linear regression） 或简单线性回归（simple linear regression） 总体?和? a称为常数项, b称为样本回归系数（coefficient of regression） 预测值（predicted value） 直线回归方程的计算 最小二乘估计（least squared estimation） 各实测点到回归直线的纵向距离的平方和最小 残差（residual）或剩余值 各点残差平方和最小 最小二乘法： 1、绘制散点图 2、计算 二、直线回归中的统计推断 样本回归系数b是总体回归系数? 是否有 b与?=0 （一）方差分析 1、回归系数的假设检验——方差分析 2、回归系数的假设检验－t检验 三、总体回归系数的区间估计 总体回归系数的区间估计 的区间估计 个体Y值的容许区间 五、直线回归分析中应注意的问题 1、进行回归分析要有实际意义。 2、注意直线回归分析的条件。 ①线性 ②独 立性 ③正态性 ④方差齐性 3、结果的正确解释：不能混淆P值与回归系 数的意义。 4、线性回归应用时应考虑其实测范围。 第三节 秩相关 两变量： 不服从双变量正态分布； 总体分布类型未知； 原始数据是等级资料时. 一、Spearman等级相关系数 例10.6 为了研究肝癌病人分期与血清甲胎蛋白水平（AFP）之间的相关关系，某研究人员收集了10例肝癌病人的数据。问：肝癌病人分期与血清AFP是否有相关关系？ 二、SPSS软件实现 三、注意事项 Pearson相关系数r 或Spearman等级相关系数； 相关的密切程度： 0.7~ 0.4~0.7 ~0.4 第四节 直线回归与直线相关分析的区别与联系 一、直线回归与直线相关分析的区别 1. 资料要求不同 2. 应用范围不同 3. 统计意义不同:地位问题 二、直线回归与直线相关分析的联系 1. 正负符号一致 2. 假设检验等价 3. r与b可换算 4. 用回归解释相关：决定系数= SY.X为剩余标准差 ?＝n－2 四、SPSS软件实现 SY为总体中当X为某定值时Y的标准差 当n50时，按下面公式计算检验统计量u， 查u界值确定P值 * * 例10.1 某临床医生共测定了21名肝癌病人血清中胆固醇（mmol/L）和三酰甘油（甘油三脂mmol/L）的含量，数据列于表10.1（数据集：例10-01.sav）。问肝癌病人血清中胆固醇与甘油三脂是否具有相关关系？ 表10.1 21例肝癌病人血清胆固醇与甘油三脂相关性 对一个变量的每个可能取值，另一个变量都有完全确定的值与之对应，则称这两个变量之间的关系呈现函数关系，称确定性关系。 若两变量之间确实存在着某种关系，但这种关系不是一一对应的函数关系，称非确定性关系。 散点图 图10.1 两变量相关关系示意图 相关系数(correlation coef