相关与回归SPSS9.pptVIP

相关与回归 一.线性相关(Linear correlation） 在医学研究中，常常需要分析两个因素间是否存在线性关系。 例如：身高与体重、父子身高的关系。 1. 线性相关分析： 条件：两变量为正态随机变量。 2.等级相关（Spearmam 等级相关） （1）不服从双变量正态分布； （2）总体分布未知； （3）原始数据用等级表示时。 二. 线性回归(Linear regression) 描述一个变量随着另一个变量变化的线性关系。 自变量(independent variable)：可自由取值的变量。如儿童年龄,记为X。 因变量(dependent variable)：受另一变量制约的变量。如儿童身高,记为Y。 线性回归的条件： 1）线性(linear) 2）独立(independent) 3）正态(normal) 4）等方差(equal variance) 资料要求： 因变量为正态随机变量，自变量为正态随机变量或人为取值。 五.直线相关回归的主要步骤： 选择Simple，单击define，进入下一对话窗Scatterplot。 选择Y轴和X轴变量。 2.相关分析： Analyze ? Correlate ? Bivariate Bivariate过程：它用于两个变量间的线性相关分析。 Partial过程：作偏相关分析，计算出的相关系数为偏相关系数。 Distances过程：作距离分析。 将X，Y点入Variable窗。 Correlation Coefficents的选择： *Pearson：进行积距相关分析，即最常用的参数相关分析，默认输出项。 *Kendall’s tau-b: 计算Kendall’s等级相关系数，这是一个反映分类变量一致性的指标，只能在两变量均属于有序分类时使用。 *Spearman：计算Spearman相关系数，即最常用的非参数相关分析（秩相关）。 3. 线性回归分析： Analyze ? Regression ? Linear linear(线性) curve estimation（曲线估计） logistic, probit（正态概率单位） nonlinear（非线性） weight estimation（加权估计） 2-stage least square（两阶段最小二乘估计） optimal scaling(最优尺度回归分析) Dependent框：用于选入回归分析的因变量，只能选入一个。 Independent（s）框：选择一个或多个自变量。 Method框：是设定模型中自变量的筛选方法。 *Enter：强迫引入法。 *Stepwise：逐步回归法。 *Remove：强迫剔除法。 *Backward：向后逐步法。 *forward：向前逐步法。 * * 三.多重线性回归与相关： 1.多重回归： ?0：回归方程常数项（截距，意义同?）； ?1，?2，…，?p：偏回归系数(partial regression coefficient)。 ?i表示在除Xi以外的其它自变量固定的条件下， Xi每改变一个单位后Y的平均变化。 样本回归方程： 2.多重线性相关： 同简单线性相关一样，仅当X1，X2，…， Y为多元正态分布的随机变量时才能考虑相关性分析。 复相关系数：度量随机变量Y和一组随机变量(X1，X2，…，Xp)之间线性联系的程度。 偏相关系数：Y和X扣除Z的线性影响后的，记为rxy.z。 1.连续变量的直线相关分析： 例1: 测得20名男生和其父亲的身高如下，试做线性相关分析。数据文件文件取名为“EXA1.SAV” 。 四.例型： 2.等级变量的相关分析 ： 例2.某地方病防治所作病因研究，对一些地区水质的平均碘含量与甲状腺肿患病率进行了调查，结果如下，问甲状腺肿患病率是否和碘含量有关？ 患病率(%): 40.5 37.7 39.0 20.0 22.0 37.4 31.5 15.6 21.0 6.3 7.1 9.0 碘含量(μg/L): 1.0 2.0 2.5 3.5 3.5 4.0 4.4 4.5 4.6 7.7 8.0 8.0 建立数据文件为： “EXA2.SAV” 例3 某学校随机抽取18名学生，测定其智商(IQ)值，连同当年数学和语文两科总成绩如下： 3.偏相关分析： 建立数据文件取名为“EXA3.SAV”。 试计算数学成绩与智商、语文成绩与智商以及数学与语文成绩的相关系数，并检验总体相关系