卫生统计直线相关与回归.pptVIP

前言 单变量统计(univariate statistics)：描述某一变量的统计特征或比较该变量的组间差别，如t、u、F检验 双变量统计(bivariate statistics)：研究两个变量之间的关系如何。 糖尿病人的血糖与胰岛素水平 年龄与高血压 抗菌药的浓度与琼脂糖抑菌斑的直径 3.直线回归的区间估计 直线回归与相关应用的注意事项 根据专业知识确定自变量和应变量； 不能把毫无关联的两种现象勉强作回归或相关； 在研究两变量之间的密切程度时，不但要求总体相关系数ρ≠0，而且要求样本的r不能太小，否则即使假设检验认为两变量之间有直线相关关系，但由于r太小，而使得这种关系变得毫无意义 |r|≥0.70 高度相关，0.4≤|r|0.70 中度相关， |r|0.4 低度相关 要绘制散点图 直线回归用于预测时，其适用范围一般不超过样本中自变量的取值范围 第五节 曲线拟合 医学现象中并非所有的两变量间关系都表现为前面所述的直线形式，其较为典型的是服药后血药浓度－时间曲线或毒理学动物实验中动物死亡率与给药剂量的关系就非直线形式。当散点图中应变量Y和自变量X间表现出非线性趋势时，可以通过曲线拟合（curve fitting）方法来刻画两变量间数量上的依存关系。 一、曲线拟合的基本方法 据专业知识及过去经验（或文献）选择曲线类型。 算术格纸、半对数格纸、双对数格纸等，将实