医学统计学课件（研究生）8双变量关联性分析.pptVIP

关联分析 * 【案例12-1】 某医科大学一年级16名男生身高与前臂长资料，见表12-1。 表12-1 某医科大学一年级16名男生身高与前臂长资料 直线相关 编 号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 身高（cm） 170 173 160 158 173 186 178 183 180 165 166 174 168 163 177 170 前臂长（cm） 43 46 42 41 47 49 45 48 47 43 43 46 44 42 45 43 【问题12-1】 该资料属于哪种类型？有何特点？ 利用资料分析两变量的关联性时，应采用何种统计方法？ 【分析】 两变量均属于定量资料 。 可以探讨它们之间的相关关系，根据数据特征采用直线相关分析或等级相关分析。 直线相关 相关分析的概念 直线相关(1inear correlation)，又称简单相关(simple correlation)，是用来描述具有直线关系的两变量x、y的相互关系的统计方法。 要求两变量均来自于双变量正态总体的随机变量。 直线相关 相关系数的意义及计算 直线相关系数(linear correlation coefficient)亦称Pearson积矩相关系数，是定量描述两个变量间直线关系的方向和密切程度的指标 总体相关系数用 表示，样本相关系数用r表示 直线相关 直线相关 进行相关分析时，首先绘制散点图(scatter plot)， 初步判断两变量间的关系。 (a) 0 r 1 (b) -1 r 0 (c) r =1 (d) r =-1 直线相关 (e) r =0 (f) r =0 (g) r =0 (h) r =0 直线相关 图12-2 16名大学一年级男生身高和前臂长散点图 直线相关 没有单位，取值介于-1与1之间 相关方向用正负号表示 相关的密切程度用绝对值表示 直线相关 计算例12-1中身高与前臂长间相关系数 计算基础数据，并列成相关系数计算表 求出 、 、 、 、 （见表12-2） 代入公式，求出相关系数 值。 表12-2某医科大学一年级16名男生身高与前臂长相关系数计算表 编号 （1） 身高cm （2） 前臂长cm （3） (4)＝(2)2 (5)=(3)2 (6)=(2)×(3) 1 170 43 28900 1849 7310 2 173 46 29929 2116 7958 3 160 42 25600 1764 6720 4 158 41 24964 1681 6478 5 173 47 29929 2209 8131 15 177 45 31329 2025 7965 16 170 43 28900 1849 7310 合计 2744 714 471570 31946 122715 直线相关 直线相关 相关系数的假设检验 查表法 根据自由度 ，查附表14，将所得 值与某概率水平（如0.05）对应的 界值相比较，若 值小于 界值，则P大于相应的概率水平，反之，P小于相应的概率水平，然后作出推断。 直线相关 相关系数的假设检验 t检验方法 直线相关 下面对例12-1所得相关系数进行假设检验 【检验步骤】 1. 建立检验假设，确定检验水准 直线相关 【检验步骤】 2.计算检验统计量 值 直线相关 【检验步骤】 3.确定P值，做出统计推断 按自由度 ，查附表4， 按水准，拒绝H0，接受H1，可认为该医科大学一年级男生身高与前臂长呈线性相关关系。 直线相关 等级相关应用范围： （1）不服从双变量正态分布的资料 （2）总体分布类型未知的资料 （3）等级资料 Spearman等级相关系数的取值和意义与Pearson直线相关系数相同 计算得到的等级相关系数，需对其进行假设检验 等级相关 2×2列联表的关联性分析 【案例12-8】 欲研究吸烟与慢性支气管炎的关系，随机调查了360名45岁以上人的吸烟习惯和慢性支气管炎情况。见表12-4。 列联表的关联性分析 吸烟习惯 患病 未患病 合计 吸烟 51 116 167 不吸烟 28