第十二章-关联性分析教学课件.ppt

* 直线相关分析应注意的问题 变量要符合双变量正态分布 进行相关分析要绘制散点图（直线关系否） 相关分析要有实际意义（小树高和小孩身高） 相关关系未必是因果关系，也可能是伴随关系(专业判断) 相关分析应进行假设检验（抽样误差） * §2 等级相关（自学） * 基本原理：等级相关是非参数检验方法，常用统计量为等级相关系数rs，总体等级相关系数用ρs表示。等级相关系数rs计算办法是先将x、y 分别由小到大编秩次，相同秩次求平均秩，以p表示x的秩次，q表示y的秩次；将p、q直接代入Pearson相关系数公式，即用秩次作为分析变量替代变量x和y，计算等级相关系数rs。计算得到的等级相关系数，同样需对其进行假设检验，原理同Pearson相关系数 Spearman等级相关系数的取值和意义与Pearson直线相关系数相同 * 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 * * * P o w e r B a r 中国专业PPT设计交流论坛 某年龄儿童的身高与体重的关系、凝血时间与凝血酶浓度的关系、血压与年龄的关系、药物疗效与药物剂量的关系等 * 在比较A、B两种培养基的培养结果是否有差异时，采用了配对四格表χ2检验。但本研究的目的是两个分类变量的关联性，即两种培养基的培养结果是否存在关联及关联程度。因此，所采用的检验方法不再使用配对四格表χ2检验，而是独立四格表的χ2检验。 * Chapter 12 双变量的关联性分析 * 直线相关分析（Pearson相关，定量资料） 等级相关分析（Spearman相关，等级资料） 列联表的关联性分析（分类变量） 本章主要内容 身高与体重的关系 医生职称与疗效的关系 民族与血型的关系 * §1 直线相关分析 * 在医学研究中，经常会关注两个随机变量之间有什么关系，如：某年龄儿童的身高与体重的关系、凝血时间与凝血酶浓度的关系、血压与年龄的关系、药物疗效与药物剂量的关系等 * 表12-1 2000年某地16名7岁男孩体重与胸围资料 编 号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 体 重（kg） 24.5 27.0 23.5 28.5 23.0 26.7 26.8 24.6 24.8 19.7 19.5 17.2 20.0 19.0 20.2 21.0 胸 围（cm） 61.0 62.0 60.0 64.0 59.3 58.4 58.6 58.7 58.5 56.0 55.6 54.5 53.0 52.0 58.0 57.0 实例分析 体重（kg） 胸围（cm） 非确定性关系 * 确定两个变量之间是否有联系以及联系 方向和程度如何 定量研究两变量之间的数量互依关系 所采用的研究方法就是相关分析与回归分析 此类问题的研究目的主要体现在两个方面 * 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（相关）关系的统计方法。 资料要求：两变量服从双变量正态分布 * X Y * 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 * (e) r =0 (f) r =0 (g) r =0 (h) r =0 曲线相关 * 相关系数的意义及计算 相关系数(linear correlation coefficient)：亦称Pearson积矩相关系数，是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。 * x和y的协方差（离均差积和） x和y各自的方差（离均差平方和） p184 * 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，越 接近1关系越密切 * 当 时，两变量有高度相关关系。 当 时，两变量有中度相关关系。 当 时，两变量有低度相关关系。 * 直线相关分析的步骤 对例12-1中体重与胸围进行相关分析 （1）绘制散点图 （2）计算相关系数 （3）对相关系数进行假设检验 图12-