探索性数据分析.docxVIP

研究生课程论文 课程名称：探索性数据分析 论文题目：同时描述两个变量的案例分析 ——基于 JMP 软件 姓 名： 学 号： 课程老师 本次将主要对第四章的同时描述两个变量进行简单地案例分析，这章主要将 数据划分分两类：定类变量（建模中包括定名型和定序型）以及连续变量。在两 个变量关系的研究中，我们需要分析上述两类变量的三种组合：两个定类变量、 两个连续变量、连续变量和定类变量各一个。本章中，我们将会学习上述三种成 对二元数据的几种常见分析方法。 共同变化描述：两个定类变量 主要通过初识二元分布图、马赛克图、列联表描述 共同变化描述：两个连续变量 主要通过两个连续变量的分布、散点图、相关系数矩阵描述 两组比较：一个连续变量，一个定类变量 主要通过单因子分析描述 案例分析 背景：高血压仍然是美国人的主要健康问题。数据表（NHANES）包含了来自于2005 年美国对大量人群调查所得到的数据。在该案例分析中，我们只关注一下变量： RIAGENDR:受调查者的性别 RIDAGEYR:受调查者的年龄（单位：年） RIDRETH1：受调查者的种族或民族背景 BMXWT:受调查者的体重（单位：千克） BPXPLS:受调查者的静息脉率 BPXSY1：受调查者的收缩压（最高值以BP为单位） BPXD1：受调查者的舒张图（最小值以BP为单位） a、绘制收缩压与年龄的散点图。在这个样本中，血压会随着人们的年龄发生什 么样的变化？ 绘制的散点图如下： 二元拟合，以“RIDAGEYR”拟合“BPXSY1” 线性拟合 BPXSY1 = 101.87455 + 0.4873796*RIDAGEYR 拟合汇总 R 方 0.333854 0.333754 15.37906 119.0438 6668 调整 R 方 均方根误差 响应均值 观测数（或权重和） 方差分析 源 自由度 平方和 790155.2 1576612.0 2366767.2 均方 790155 237 F 比 3340.819 概率F 模型 1 6666 6667 误差 校正总和 参数估计值 .0001* 项 估计值 标准误差 t 比 概率|t| 截距 101.87455 0.4873796 0.35172 0.008432 289.65 57.80 .0001* .0001* RIDAGEYR 图1 散点图 从上图可以看出，散点大部分都在红色拟合线附近，但散点呈现的形态与 一条理想的直线的关系却相差甚远。在本例中 R2为 0.33，说明拟合效果较差， 血压和年龄之间的关系不是很明显。 从上表可以看出，收缩压和舒张压的相关系数是 0.3993，说明两者的相关性 不是很明显。 c、比较男性和女性见收缩压的分布 分布图如下： 分布图如下： 分布图如下： 图5 散点图