医学统计学串讲.ppt

表8-5 五种病人阴道涂片的细胞学分级比较 巴氏分级 慢性炎症 轻度增生 重度增生 原位癌 浸润癌 合计 秩次范围 平均秩次 （1） （2） （3） （4） （5） （6） （7） （8） （9） Ⅰ 21 19 0 0 0 40 1-40 20.5 Ⅱ 4 4 41 3 0 52 41-92 66.5 Ⅲ 0 0 6 11 31 48 93-140 116.5 Ⅳ 0 2 3 15 42 62 141-202 171.5 Ⅴ 0 0 0 21 77 98 203-300 251.5 ni 25 25 50 50 150 300 Ri 696.5 998.5 3940 9335 30180 平均Ri 27.9 39.4 78.8 187.6 201.2 （3）求秩和 如（2）栏的秩和T1是用（2）栏各等级的频数与（9）栏平均秩次相乘再求和，即R1=21×20.5＋4×66.5=696.5，余仿此得各Ri值。 例8.5 检验步骤（2） 5）确定P值和作出推断结论 本例对比组数k=5，按υ=k－1＝5－1＝4，查界值表， X2 0.05,4=9.49，现X2 =195.53 X2 0.05,4 =9.49, 故P0.05。按α=0.05的水准，拒绝H0，接受H1，差异有统计学意义。故可认为五种病人的细胞学分级有程度上的差别。 例8.5 检验步骤（3） 第9章直线相关与回归 目录 第二节 直线回归 第三节 进行直线相关与回归应注意的问题 第一节 直线相关 第九章 直线相关与回归 掌握直线相关与回归的概念、意义及应用条件； 掌握直线相关与回归各指标的意义、应用及计算方法； 熟悉直线相关与回归的联系及区别； 了解曲线回归的概念、意义及类型。 教学目的及要求 第九章 直线相关与回归 第一节 直线相关 1。当两事物或现象在数量上的协同变化呈直线趋势时则称为直线相关（linear correlation）,又称简单相关（simple correlation），用于分析双变量正态分布资料。表示两变量相关关系的重要指标就是相关系数。 一、相关系数的意义 相关系数(correlation coefficient)又称为积差相关系数，用符号r表示。它描述两变量间相关关系的密切程度和相关方向。其数值1≥r≥－1，当r为正值时，表示一变量随另一变量的增加而增加称为正相关；当r为负值时，表示一变量随另一变量的增加而减少，称为负相关。当│r│愈接近1，表示两变量的相关愈密切；当│r│愈接近0时，表示两变量相关程度愈低；当│r│＝0时，称为零相关，表示两变量无直线相关关系，见示意图9-1。 一般认为，当样本含量较大的情况下（n100），大致可按下列标准估计两变量相关的程度 │r│≥0.7 高度相关 0.7│r│≥0.4 中度相关 0.4│r│≥0.2 低度相关 图9-1 相关系数示意 三、相关系数的检验假设 检验r是否来自总体相关系数ρ为零的总体。 1。t 检验法 t检验的计算公式 例9.2 对例9.1资料所得r值，检验20岁男青年身高与前臂长是否有直线相关关系。 （1）建立检验假设 Ho：ρ＝0 ,两变量间无直线相关关系 H1：ρ≠0 ,两变量间有直线相关关系 α＝0.05 （2）计算t值 本例n=10， r=0.8227 ，按公式（9.5）和公式（9.6） 计算t值 （3）确定P值，作出推断结论 按υ＝n-2=8查t界值表，得 0.002P0.005，按α ＝0.05水准，拒绝Ho，接受H1，故可认为20岁男青年身高与前臂长呈正直线相关关系。 2.查表法 查附表14, r界值表列出了相关系数r与0差别显著性的判断界值，按自由度＝n-2查r界值表，当r≥rα,n-2时，则P≤α ；反之，r＜ rα,n-2 时，则P＞α 。本例r＝0.8227，大于r0.05(8)＝0.738 ，故P0.05。r值有意义。检验结果与t检验相同。 第二节 直线回归 一、直线回归的概念 1。回归：反映两变量数量依存的关系，即指由一个变量推算另一个变量的数量关系。直线回归是回归分析中最基本最简单的一种，故又称简单回归（simple regression）。 2。反映回归关系的方程称为直线回归方程。 式中 为应变量Y的估计值，a 为回归直线Y轴上的截距，b 为回归系数即回归方程的斜率。 四、回归系数的假设检验 回归系数b为样本回归系数，假设在总体回归系数β=0的总体中抽样，得出样本的b不一定为0，因此需作总体回归系数β是否为0的假设检验，常用t检验或方差分析。因方差分析计算较为繁琐不在此讲述。 Sb为回归系数的标准误，Syx为各观察值 Y 距