《医学统计学》教学课件-相关与回归.pptVIP

（二）回归系数的假设检验 图6-5 总体回归系数与样本回归系数示意图 （二）回归系数的假设检验 ? = n - 2 其中Sy.x表示去除X影响后Y的变异大小 t检验法 （三）总体回归系数的可信区间估计 　　　回归系数是总体回归系数的点估计，由于存在抽样误差，需要进行可信区间估计，公式为：　　 （四）决定系数 决定系数（determining coefficient，R2）就是相关系数的平方r2，是回归平方和在总的离均差平方和中所占的比例，反映因变量的总变异中可用回归关系解释的部分。 　 0≤R2≤1，R2值越接近于1，表示回归平方和在的总离均差平方和中所占的比重越大，模型对数据的拟合程度越好，表明利用回归方程进行预测也越有意义。反之，R2值越接近于，表示回归平方和在的总离均差平方和中所占的比重越小，模型对数据的拟合程度越差。所以，R2是评价回归效果的一个重要指标。 五、绘制回归直线 可在坐标轴上任意取相距较远且易读的两X值，根据所求直线回归方程算得对应 值，用直线连接两点。应注意的是，回归直线可适当延长，但不应超过的实测值范围；另外，所绘回归直线必然通过( ），据此可判断所绘图形是否正确。 六、残差分析 残差（residual）是因变量值 与根据回归方程求出的预测值 之差，反映回归方程预测而引起的误差，表达式为： 残差分析（residual analysis）:通过残差了解数据与回归方程之间的关系，考察资料是否满足独立性、正态性和等方差性，检测有无异常值。 最常用的是标准化残差与标准化残差图。以自变量为横轴，标准化残差为纵坐标，绘制标准化残差图。通常以（-2，2）区间为界限来证实模型的假定条件是否得到满足，判断有无异常值。 七、线性回归方程的应用 1.定量描述两变量之间的线性依存关系。 2.利用回归方程对因变量y进行估计（常用区间估计求当x取定某值时y值的波动范围），即进行预测。 3.利用回归方程进行统计控制。 * 　 【例6-1】20名糖尿病人的胰岛素水平（mU/L）与血糖水平（mmol/L）的测定值列于表6-1，试进行直线相关分析。 表6-1 20名糖尿病人胰岛素（mU/L）与血糖（mmol/L）测定值 病历号 胰岛素 血糖 病历号 胰岛素 血糖 1 15.2 12.21 11 25.1 6.02 2 16.7 14.54 12 16.4 9.49 3 11.9 12.27 13 22.0 10.16 4 14.0 12.04 14 23.1 8.38 5 19.8 7.88 15 23.2 8.49 6 16.2 11.10 16 25.0 7.71 7 17.0 10.43 17 16.8 11.38 8 10.3 13.32 18 11.2 10.82 9 5.9 19.59 19 13.7 12.49 10 18.7 9.05 20 24.4 9.21 直线回归分析 （1）考察资料是否满足直线回归分析的条件 （2）绘制散点图 （3）求直线回归方程 （4）回归方程的假设检验 （5）回归系数的检验 （6）模型的评价 （7）绘制回归直线 （8）残差分析 （9）模型的应用 八、进行线性回归分析的注意事项 1.只有将有联系的变量进行回归分析才有实际意义。 2.以“因”或以易于测定、较为稳定或变异小者为x。 3.因变量是随机变量，自变量既可以是随机变量，也可以是给定的量。 4.回归方程建立后必须进行假设检验。 5.使用回归方程计算估计值时，不可把估计的范围扩大到建立方程时的自变量的取值范围之外。 区别： 1.资料要求不同：相关要求x、y服从双变量正态分布，回归要求y在给定某个x值时服从正态分布，x是可以精确测量和严格控制的变量。 2.应用上：相关说明相关关系，回归说明依存关系； ????? 3.意义上：r说明具有直线关系的两变量间相互关系的方向与密切程度；b表示x每变化一个单位所导致的y的平均变化量； 4.计算不同： 5.取值范围不同： -1≤r≤1，-∞≤b≤∞； 6.单位：r没有单位，b有单位。 九、线性相关和回归的区别与联系 联系： 1.r与b正负号一致：r为正时，b也为正，表示两变量是正相关，是同向变化。r为负时，b也为负，表示两变量是负相关，是反向变化。????? 2.r与b的假设检验等价： 对同一组资料若同时进行r与b的假设检验，可得到相同的t值，即 tr=tb；可用r的假设检验代替b的假设检验。 3.Ⅱ型回归 4.可用回归解释相关。 *决定系数：即相关系数的平方r2，是回归平方和与总的离均差平方和之比，反映应变量y的总