单因素线性相关医学.pptVIP

习惯上，相关系数的绝对值|r|在： 0.3以下，称为微弱线性相关； 0.3-0.5，称为低度线性相关； 0.5-0.8，称为显著线性相关； 0.8以上，称为高度线性相关。 直线回归 线性回归分析是基于最小二乘法原理产生古典统计假设下的最优线性无偏估计。 直线回归是回归分析中最基本、最简单的一种，是处理两变量（其中至少一个是随机变量）间线性依存关系的一种统计方法，即自变量只有一个的情况，故又称简单回归（simple regression），所得方程叫直线回归方程。 若引入回归分析的自变量有两个以上，那么就是多重线性回归分析或多元线性回归分析，所得方程叫多重线性回归方程。 简单线性回归方程： = a + bx 最小二乘法原理，此时估计误差平方和 最小。 直线回归方程的假设检验 样本回归系数b的假设检验 （1）方差分析； （2）t检验。 决定系数: 习惯上写成 ，称为确定系数（或决定系数），数值上等于自变量对因变量的贡献率，即用自变量能解释因变量变化的百分之多少。 越接近于1，回归拟合分析的效果越好，即价值越大。 注意：如果X与Y有回归关系，则一定存在相关关系，但是若存在相关关系，则不一定存在回归关系。 作直线回归分析时的注意事项： 1）两变量间的关系