相关分析（第七讲）.pptVIP

相关分析 在医学中经常要遇到分析两个或多个变量间关系的情况，有时是希望了解某个变量对另一个变量的影响强度，有时则是要了解变量间联系的密切程度。 前者用回归分析来实现 后者则用相关分析实现 相关关系的种类 按相关程度划分： 完全相关：指某变量的变化，另一变量有一确定的值对它对应。（函数）； 不完全相关：指两个变量之间有数量联系，但是数量是不确定的关系。 零相关：指两个现象在数量上完全独立，在一定的形式下，互不影响，互不相干的关系。 （“零相关”不能称为“不相关”，因为事物的联系是绝对的，而孤立是相对的，只有在某种形式下它才能互不影响，互不相干。） 按相关的方向划分： 正相关：指两个变量按照相同的变量变化。或者说某个现象的数量增加，另一个现象的数量增加的现象。 负相关：指两个变量按照相反的方向变化，或者说某个现象的数量增加，另一个现象的数量减少的现象。 按相关形式划分： 线性相关：指两个变量之间呈线性关系的相关。 非线性相关：指变量之间的关系为非线性的相关关系。 按相关性质划分： 真实相关：现象之间的相关确定具有内在联系的相关。 虚假相关：现象之间只是表面存在，实质上并没有内在联系的相关。 按变量多少划分： 单相关 指两个因素之间的相关关系。 复相关 指三个或三个以上的因素之间的相关关系。 偏相关? 指在某一现象和多种现象相关的场合，假定其他变量不变，而对其中的两个变量的相关关系。 提示 在直线相关中，两变量必须服从联合的双变量正态分布。 在进行相关分析时，散点图是非常重要的工具，分析前必须要先做散点图，以初步判断两变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。忽视散点图的作用直接进行分析可能得出错误的结论。 Correlate 菜单 Bivariate 过程 Partial 过程 Distance 过程 Bivariate过程 此过程用于进行两个/多个变量间的参数/非参数相关分析，如果是多个变量，则给出两两相关的分析结果。 这是Correlate子菜单中最为常用的一个过程，下面的讲述也以该过程为主。 Partial过程 如果需要进行相关分析的两个变量其取值均受到其他变量的影响，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Partial过程就是专门进行偏相关分析的。 Distances过程 调用此过程可对同一变量内部各观察单位间的数值或各个不同变量间进行距离相关分析，前者可用于检测观测值的接近程度，后者则常用于考察预测值对实际值的拟合优度。 该过程在实际应用中用的非常少。而是作为因子分析、聚类分析等的预分析过程，以帮助了解数据的内在结构，为进一步分析做准备。 一、 Bivariate过程 Option选项 1、Pearson相关分析 又称积距相关系数，适用于连续分布或正态分布变量。是最常用的参数相关分析。默认输出项。 示例 下面以1962~1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性关系 见数据文件data10-01 操作步骤 （1）散点图 简单散点图 结果 （2）相关分析 结果及解释 结果及解释 结果及解释 在上面的结果中，变量间两两的相关系数是用方阵的形式给出的。每一行和每一列的两个变量对应的格子中就是这两个变量相关分析结果结果，共分为三列，分别是相关系数、P值和样本数。由于这里只分析了两个变量，因此给出的是2*2的方阵。 例题2 某地12名女大学生体重与肺活量的数据如下，试分析有无直线相关关系。 (见体重与肺活量的相关分析文件) 2、kendall等级相关分析 对于某些连续变量，如果其分布不明可以使用等级相关；对于完全等级的离散变量是必须使用等级相关分析相关性。 示例 现有116名婴儿的辅食添加和营养状况评价资料，试问辅食添加与营养状况评价有无相关关系？ 操作步骤 建立数据文件 进行数据加权 调用分析程序 分析结果 主要结果分析: tau-b=0.539 P0.05,分子量等级与胆汁排泄量等级有相关关系 3、Spearmen 等级相关分析 例： 现有12个病人血小板数和出血症状程度的资料，试分析血小板数和出血程度的相关关系）卫生统计学第四版资料） 操作步骤 建立数据文件 调用分析程序 分析结果 主要结果分析： 相关系数为-0.506，P值为0.093大于0.05，表明尚不能认为血小板和出血症状有相关关系 小结 Pearson相关：正态分布 Spearman等级相关 Kendall相关 二、Partial过程 某地29名13岁男童身高（X1）、体重（X2）及肺活量（Y）的实测资料数据，试计算其体重被控制时，身高与肺活量的偏相关系数。并做假设检验。 文件data10-04 （1）各变量的统计描述 Variable Mean