分类变量资料的假设查验.pptVIP

线性相关与回归 直线相关 相关系数 样本相关系数的计算 相关系数的假设检验 总体相关系数ρ的区间估计 应用相关系数时应注意的问题 直线回归 建立直线回归方程的基本原理 建立直线回归方程的步骤 回归系数的假设检验 直线回归方程的用途 等级相关 曲线回归  下面以例9-1资料说明建立直线回归方程的具体步骤： 过点(12，5.3832)与(15，6.0990)可在直角坐标系上作直线。若纵坐标、横坐标无折断时，将此直线左端延长与纵轴相交，交点的纵坐标必然等于截距a，同时所绘直线必然通过 。这两点可以用来核对直线绘制是否正确。 回归系数的假设检验 样本回归系数b是总体回归系数β的估计值。从β=0（无直线回归关系）的总体中抽取样本，由于存在抽样误差，其b不一定等于0。因此，得到b≠0后，必须检验b是否来自β=0的总体，以判定两变量间是否存在直线回归关系。 回归系数的假设检验常用t检验，检验统计量值的计算公式为： 仍以例9-1资料说明建立直线回归方程后对回归系数的假设检验步骤： 根据对例9-1资料进行回归分析的结果可得到如下数据： ?1．? 建立检验假设并确定检验水准H0：β＝0，即体重与体表面积间无直 线回归关系；H1：β≠0，即体重与体表面积间有直 线回归关系。α=0.05。 2.计算检验统计量  ?3.? 确定P值，作出推断结论 查附表 (t界值表): 因为， ,故P＜0.001，所以按α=0.05水准拒绝H0，接受H1。说明体重与体表面积间存在直线回归关系。这里值得注意的是：对同一资料，相关系数与回归系数的假设检验是等价的，即 。 直线回归方程的用途 1．两变量间存在直线关系时，直线方程可定量地描述两变量间的线性依存关系。 2．根据直线回归方程由已知变量值估计未知变量值：如统计预测。 应用直线回归方程时应注意的问题 1．求出样本资料的直线回归方程后应进行假设检验。 2．应用直线回归方程时，要注意方程只适用于自变量X的样本数据波动范围，不能任意外延其应用范围。 等级相关 等级相关? 第一节介绍的积差相关系数适用于双变量正态分布的资料，但有时其中一个甚至两个变量都不服从正态分布，这时需用非参数相关分析方法。 本节介绍由spearman提出的秩相关分析方法。本方法适用于下列情况： ①不服从双变量正态分布而不宜作积差相关分析的资料； ②总体分布类型未知的资料； ③原始数据是按等级分类的资料。 例9-2 某医院调查了12例病人的血小板浓度和出血症状两方面的资料，试以此样本资料计算秩相关系数。 表中出血症状是按等级分类的资料，称为等级资料，所以应采用秩相关系数来描述血小板浓度与出血症状之间的关系。 本资料中出血症状这一变量相同秩次较多，有11个，占总观察病例数的91.7%(11/12)。秩相关系数计算步骤为： * * 直线相关 直线相关 称简单相关。用于研究两个随机变量Ｘ与Ｙ之间相关关系及密切程度。适用于双变量正态分布(bivariate normal distribution)资料。两变量X、Y间的相关关系可用散点图直观说明，而相关分析就是用相关系数对这种关系给以定量的描述。 相关系数 直线相关系数又称积差相关系数(coefficient of product-moment correlation)，简称相关系数。创用于F.Y.Edgeworth(1892)，样本相关系数用r表示，总体相关系数用ρ表示。 样本相关系数的计算 相关系数的计算公式为：  例9-1　测得某地４岁儿童10人的体重(kg)与体表面积(103cm2)资料见下表，试以此样本资料计算体重与体表面积的相关系数。 相关系数的假设检验 根据样本计算出的相关系数r，是总体相关系数ρ的估计值。从ρ=0（无直线相关）的总体中抽取样本，其r不一定为0。因此，得到r≠0后，由于存在抽样误差，则有必要检验r是否来自ρ=0的总体，以判定两变量间是否有直线相关关系。 在进行假设检验时，无效假设H0为：ρ=0,即两变量间无直线相关关系；备择假设H1为：ρ≠0，两变量间有直线相关关系。常用的假设检验方法是t检验，检验统计量t值的计算公式如下： 例9-2 就例9-1资料，问某地