医学统计学相关线性回归探析.pptVIP

弹出对话框 文件中变量列表 数据基本呈直线趋势，可用直线相关分析。 结果输出窗口 3.相关分析 Analyze Correlate Bivariate * 直线回归与相关 目的要求 1、掌握直线回归的概念、直线回归系数的意义。 2、掌握直线相关的概念，相关系数的意义。 3、掌握直线相关与回归的区别和联系，应用时注意事项。 4、熟悉求直线回归方程的一般步骤。 5、熟悉求直线相关系数的一般步骤。 6、熟悉等级相关的适用条件及其应用。 直线回归与相关的区别和联系 一、区别 1、对资料要求不同 （1）回归分析要求因变量是Y服从正态分布的随机变量，X是可以精确测量和严格控制的变量，一般称Ⅰ型回归，即只能由X推算Y。 （2）相关分析要求两个变量X、Y是均服从正态分布的随机变量，即双变量正态分布。对这种资料进行回归分析称Ⅱ型回归，可以求出两个方程: 由X推算Y的方程： 由Y推算X的方程： 2、应用不同：说明两变量间依存变化的数量关系用回归，说明变量间的相关关系用相关。 3、意义不同：b表示X每增（减）一个单位，Y平均改变b个单位；r说明具有直线关系的两个变量间相关关系的密切程度与相关的方向。 4、计算方法不同。 5、取值范围不同；-1≤r≤1，-∞b+∞。 6、b有单位，r没有单位。 二、联系 1、对一组数据若同时计算r与b，则它们的正负号是一致的。 2、r和b的假设检验是等价的，即对同一资料，两者的t值相等（ ）。在实际中采用对r的检验来代替对b的检验。 3、可用回归解析相关。 r的平方，即r2，称决定系数，它说明回归平方和（SS回）占总平方和（SS总）的比重，其取值范围在0~1之间。 上式说明，当SS总固定不变时，SS回的大小取决于r2。r2越大，则SS回就越大；SS回是由于引入了相关变量后使总平方和减少的部分。 SS回越接近SS总，则r2越接近1，说明引入相关变量的效果越好。 可通过r2的大小来确定两变量间相关关系的实际意义。例如r=0.2，n=100时，可以认为两变量间有直线相关关系，但r2=0.04，表示回归平方和在总平方和中仅占4%，即X对Y的影响仅占4%，实际意义不大。 在临床研究中，若r2达到0.7以上，就可认为回归效果不错；但在实验室研究中，如标准线的配制，r2的要求很高，达到0.95以上。 判断回归方程效果的指标: 1、剩余标准差 2、残差 3、决定系数 P444 回归分析的一般步骤： 1. 绘制散点图，初步判断是否呈直线趋势 2.计算a、b。(如果基本呈直线趋势) 3.对b作假设检验 方法： (1) F检验 (2) t检验 (3) 用r检验来代替。 4.作结论 如P≤0.05, 说明方程成立，列出回归方程； 如P 0.05, 说明方程不成立，不列回归方程。 (教材：P121, 例 9-1) 1.数据录入 变量值录入 定义变量 2.绘制散点图 Graphs Scatter/Dot… 点击 弹出对话框 文件中变量列表 数据基本呈直线趋势，可用直线回归分析。 结果输出窗口 3.回归分析 Analyze Regression Linear… 弹出主对话框 自变量 自变量 因变量 弹 出 对 话 框 ?个案残差诊断 ? Casewise diagnostics ?输出系列相关残差的Durbin-Watson检验和残差与预测值 ? Durbin-Watson 设置残差选项 Residuals ?输出变量的描述统计量，如有效记录数、均数、标准差等。在多重回归中，还给出一个自变量的相关矩阵 ? Descriptives ?输出进入、退出模型的变量列表，并给出有关拟合优度的检验：相关系数R，决定系数R2，和调整的R2，标准误及方差分析表，默认选项 ? Model fit ?多重回归中输出各个自变量的相关矩阵和方差、协方差矩阵 ? Covariance matrix ?输出回归系数的95%置信区间 ? Confident Intervals ?输出回归系数 及其标准误，t值，P值，标准化回归系数 ，默认选项 ? Estimates 设置回归系数选项 Regression Coefficients 返回主对话框 返回主对话框 弹出对话框 标准化预测值 标准化残差 学生