卡方检验 相关与回归.ppt

* 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 简单线性相关分析 SPSS中的数据结构 分析实例 (corrreg.sav) 随机抽取15名健康成人，测定血液的凝血酶浓度(单位/毫升)及凝血时间，问这两个指标间是否存在相关？ * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 简单线性相关分析 分析过程： 1. 散点图(Graphs –Legacy Dialogs—Scatter/Dot—Simple Scatter)+三维直方图(Graphs –Legacy Dialogs—Interactive—Histogram(3-D Coordinate))； 2. 计算相关系数(Analyze-- Correlate –Bivariate: Pearson; Spearman; Kendall)； Bivariate过程：两个/多个变量间的参数/非参数相关分析 3. 对相关系数作假设检验 * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 分类变量的关联性分析 2.1 分类变量独立样本间的关联性分析 (nominal_association.sav) 分析实例：某地居民主要有三种祖籍，均流行甲状腺肿，为探讨甲状腺肿类型与祖籍是否有关联，现根据居民甲状腺肿的调查结果分析甲状腺肿类型与祖籍间是否有关联？ Aij为同时具有两个属性(Xi,Yj)的频数，πij为相应的联合概率，ni为属性Xi的频数，πri为相应的边际概率，mj为属性Yj的频数，πcj为相应的边际概率，i,j=1,2， n1+n2=m1+m2=n, πr1+πr2=πc1+πc2=1 H0:两种属性之间不相关 （拟合优度检验的χ2统计量） * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 分类变量的关联性分析 H0:甲状腺肿类型与祖籍无关 * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 分类变量配对样本间的关联性分析 分析实例：有56份咽喉涂抹标本，把每份标本一分为二，依同样的条件分别接种于甲、乙两种白喉杆菌培养基上，观察白喉杆菌生长的情况，问两种培养基的结果有无关联？(nominal_pairedassociation.sav) 分析: 两种培养基的阳性率是否相等的问题—Mcnemar检验 两种培养基的结果之间是否有关联—普通的Pearson χ2 H0: 两种培养基的结果间相互独立 (b+c40) * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 偏相关分析 统计理论回顾 偏相关分析就是在相关的基础上，考虑了研究的两个因素以外的各种作用，或者说，在扣除了其它因素的作用大小之后，重新来考察者两个因素间的关联程度，其目的在于消除其它变量的干扰作用，揭示两变量之间的真实联系。 以一个影响因素为例: 偏相关系数在计算时可以首先分别计算三个因素之间的相关系数，然后通过这三个简单相关系数来计算偏相关系数 即在控制了第三个因素影响的基础上，计算第一、第二个因素之间的偏相关系数。 * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 偏相关分析 如果从回归的角度来解释，偏相关系数就是首先以希望分析的变量为因变量，被控制的变量为自变量分别拟合两个回归方程，然后将所得的两组残差进行简单相关分析。 SPSS中的数据结构 * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 偏相关分析 分析实例 Cars.sav是一批汽车的资料，请在控制了汽车重量(weight)的情况下分析汽车价格(price)和每千米汽油消耗量(mpg)之间的相关性。 Graphs-Legacy Dialogs-Scatter/Dot-Matrix Scatter Analyze---Correlate---Partial * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 简单线性回归分析 回归的最初含义：生物学含义 英国的遗传学家F.Galton和K.Pearson注意到一个有趣的现象，即父亲高，儿子也高，父亲矮，儿子也矮，但儿子的身高离平均水平更近些，即子代身高有向人群的平均身高回归(regression to the mean)的趋势，这就是“回归”的生物学内涵，Galton称该现象为“普遍回归法则(law of universal regression)”。这是很自然的，否则，岂不一代比一代无限制地远离平均值，导致身高两级分化？ 回归的现在含义：完全不同了 回归分析是研究事物或现象之间的数量依存关系，控制/预测 * 张志杰, 流行病学教研室, 公共卫生学院, 复旦大学 * 简单线性回归分析 统计理论回顾 目的:研究