第11章 两变量关联性分析_20101220.ppt

两变量关联性分析 凌莉 2010.12.20 本章主要内容： 第一节 线性相关 散点图： 线性相关(linear correlation): 两个随机变量X、Y之间呈线性趋势的关系,又称简单相关(simple correlation) 。 相关的种类： 正相关（positive correlation） 负相关（negative correlation） 非线性相关（ nonlinear correlation ） 零相关（zero correlation） 二、相关系数的意义及计算 又称 Pearson积矩相关系数(Pearson product moment coefficient) 总体相关系数ρ：若ρ≠0, 称X和Y线性相关, 简称相关；若ρ＝0, 则简称X和Y不线性相关。 样本相关系数r 协方差(covariance)的定义、含义 相关系数的特点： 相关系数?是一个无量纲的数值，且-1≤ ? ≤1； ? ＞0为正相关，? ＜0为负相关，? = 0为零相关； ?的绝对值越接近于１，说明相关性越强，越接近 于０，说明相关性越弱。 三、相关系数的统计推断 查相关系数临界值表（附表13） t 检验，统计量为： 例11-3 继例11-2中算得r＝0.964后, 试检验相关是否具有统计学意义。 方法二：t 检验 根据公式： 据自由度 查t临界值表, 得双侧 ｜t｜＞ , P＜0.001, 故拒绝 。可以认为基础代谢与体重之间存在正相关。此结果与查表检验的结果是一致的。 例11-3（续）：继例11-2中算得r＝0.964后, 试估计总体相关系数的95%置信区间。 四、相关分析应注意的问题 1. 在进行相关分析前应先绘出散点图。 2. 线性相关分析要求两个变量是服从双变量正态分布的随机变量。 3. 出现异常值时慎用相关。 4. 相关关系不一定是因果关系。 5. 分层资料盲目合并易出假象。 第二节 秩相关 Pearson相关对资料的要求 秩相关（rank correlation），也称等级相关 例11-4：某研究者研究10例6个月-7岁的贫血患儿的血红蛋白含量与贫血体征之间的相关性，结果见表11-2，试作秩相关分析。 查相关系数临界值表（附表14） t 检验，统计量为： 第三节 分类变量的关联性分析 : 两种属性之间互相独立； : 两种属性之间互相关联。 统计量 例11-7：有132份食品标本，把每份标本一分为二，分别用两种检验方法作沙门氏菌检验，检验结果如表11-5，试问两种检验方法的结果是否存在关联？ ：两种检验方法的结果之间互相独立 ：两种检验方法的结果之间互相关联 α=0.05 将本例数据代入公式（9-7）， 三、R×C表分类资料的关联性分析 例11-8 欲探讨职业类型与胃病类型是否有关联，某医生将收治的310名胃病患者按主要的职业类型与胃病类型两种属性交叉分类，结果见表11-6问职业类型与胃病类型间有无关联？ 表11-6 310名胃病患者两种属性的交叉分类表 例11-9 某省随机抽查了1043位居民的ABO血型与MN血型，资料如表11-7所示。问两种血型之间有无关联性？ ：两种血型系统之间无关 ：两种血型系统之间有关 α=0.05 小 结 1. Pearson相关系数; 2. Spearman秩相关系数； 3. 行?列表分类变量独立性检验和列联系数； 4. 设计类型与分析目的； 5. 相关关系的解释。 THE END Thanks 55 ― 55 ― 合计 3.0 - 3.0 - 3.0 - 3.0 - 8.0 ++ 8.0 ++ 3.0 - 6.0 + 8.0