线性回归和相关.pptVIP

上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 （3）回归系数检验 上海交大基础医学院生物统计教研室 x引起的变异 总离均差平方和=回归平方和+残差平方和（剩余平方和） 误差引起的变异 y的总变异 上海交大基础医学院生物统计教研室 lyy=U+Q 上海交大基础医学院生物统计教研室 （4）结果解释 回归系数b为正值,表示x与y间为正相关,当x增加时,y也增加;b为负值时,表示x与y间为负相关,当x增加时y就减少。 本例b为-3.2496,意味着对正常男性来说, 每增加一岁,其运动后最大心率平均减少3.2496次/分。 有了回归方程就可作回归直线。 根据回归方程,就可由x的值来求出y的估计值 上海交大基础医学院生物统计教研室 直线回归和线性相关区别和联系 均对两个数值变量间关系进行分析 均需相关系数或回归系数进行检验，检验结果相同。 分析目的不同，联系程度，依存关系。 回归要求两变量间“因果”联系。相关两变量地位相同。 * * 线性回归和相关 上海交大基础医学院生物统计教研室 变量间联系（relation） 在一个样本中，如果两个或多个变量值的分布是一致的模式，即它们的值有条理地彼此对应，则称这些变量是有联系的。 如大多数男性白细胞计数高，大多数女性白细胞计数低，则认为性别和白细胞计数间存在联系，反之亦然；高的人比矮的人重，则认为身高和体重之间存在联系；IQ高的学生在考试重犯错误较少，则认为IQ和错误数间存在联系； 上海交大基础医学院生物统计教研室 变量间联系 广义上来讲，每一个研究或科学分析都是寻找变量间联系，科学的进展必然涉及到找到变量间新联系，相关研究和实验研究是以最直接的方式来测量这些联系， 统计学就是帮助人们评估变量间联系，所有的统计方法均可认为是评估不同的变量间联系。 联系的两个基本特点：程度（大小）和真实性（可靠性），二者是有联系的，样本数固定时，联系的程度越大，其可靠性越大。 上海交大基础医学院生物统计教研室 相关回归应用范围 回归适用于分析变量间的依存关系；相关分析用于分析两变量间相互联系的密切程度及相关方向。 如两个变量间的关系是线性的，可用直线相关与回归分析；如两个变量间的关系是非线性的需用非线性（曲线）回归。 上海交大基础医学院生物统计教研室 相关研究和实验研究 相关研究：不施加干预（或尽量不施加），测量变量，寻找它们之间关系（相关） 实验研究：施加干预，测量干预效果变量，也计算相关，尤其是被干预变量和效果变量，提供更好的信息，可更好揭示变量间关系 上海交大基础医学院生物统计教研室 自变量和因变量 Independent variable vs. Dependent variable 自变量：被干预的变量，‘独立’于样本的最初的反应模式，特点，动机等 因变量：仅被测量或登记的变量，依赖于干预或实验条件，也就是依赖于样本将如何反应 根据某些试验前特征将样本分配到不同试验组，如比较男女白细胞计数，此时性别是自变量，白细胞计数为因变量 上海交大基础医学院生物统计教研室 Y=10x+5 Y=4.22+0.20x 体重 心脏横径 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 线性相关与回归变量特点 线性相关分析要求两个分析变量是连续型变量，它们都随机变动，处于同等地位。通过相关系数r来描述和度量它们数量上线性联系的程度。 线性回归的两个变量的地位是不同的，自变量x是可以随机变动，也可以是人为取值的；当x的数值确定时，应变量y按某种规律随机变动。 上海交大基础医学院生物统计教研室 一、线性相关 相关分析的目的在于通过相关系数r来描述和度量两变量线性联系的程度和方向。 r0 正相关 r0 负相关 r=0 零相关 上海交大基础医学院生物统计教研室 r=0.7495 上海交大基础医学院生物统计教研室 r=-0.83597 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 适用条件 两个变量均为数值变量，且为正态分布，例数超过100不用满足该条件 两个变量间存在联系 上海交大基础医学院生物统计教研室 常见问题 离群值（极端值）：不常见值 样本来自不一致组，如不同试验组，不同组变量相关不一致 非线性关系 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 上海交大基础医学院生物统计教研室 样本来自不一致组 上海交大基础医学院生物统计教研室 非线性关系 上海交大基础医学院生物统计教研室 离均差积和 x的离均差平方和 相关系数的计算 上海交大基础医学院生物