医学统计学课件-线性相关分析.pptVIP

线性相关分析 第一节 线性相关的概念 一、散点图 在线性相关分析中，两个变量X和Y的值总是成对的出现，记为（X1，Y1）、（X2，Y2）…（Xn，Yn），这些观察值在直角坐标系中形成一幅散点图，这种散点图可以简单而直观的表示两变量间的线性关系 例13-1 为研究中年女性体重指数和收缩压之间的关系，随机测量了16名40岁以上的女性的体重指数和收缩压，见表13-1，试绘制散点图。 解：以体重指数为变量X，收缩压为变量Y作散点图，见图13-1。可见，体重指数与收缩压有比较密切的线性相关关系。 直线相关(linear correlation)又称简单相关(simple correlation)，用于双变量正态分布(bivariate normal distribution)资料。其性质可由图13-1散点图直观的说明。 目的：研究 两个变量X,Y数量上的依存（或相关） 关系。 特点：统计关系 二、线性相关 二、线性相关 三、相关系数的意义与计算 1. 意义：相关系数（correlation coefficient）又称Pearson积差相关系数，用来说明具有直线关系的两变量间相关的密切程度与相关方向。 相关系数没有单位，其值为-1 r 1。r值为正表示正相关，r值为负表示负相关， r绝对值反应两变量间相关关系的密切程度，绝对值越大说明相关关系越密切， r的绝对值等于1为完全相关，r=0为零相关。 2. 计算：样本相关系数的计算公式为 （13-1） 例13-2 （续例13-1）计算表13-1中体重指数和收缩压的相关系数。 P206 四、应用线性相关系数r时应注意的问题： 1. r只表示两个服从正态分布的随机变量之间线性关系的密切程度和相关方向，r=0只能说X与Y之间无线性关系，并不能说X与Y之间无任何关系。 2. 相关关系并不一定是因果关系。相关分析的任务就是对相关关系给以定量的计算和描述。 第三节 相关系数的假设检验 （13-2） 例13-3 （续例13-1） 根据样本相关系数，对总体相关系数=0进行假设检验。 解： 1. t检验法 检验步骤如下： ① 建立假设，确定检验水准 。 H0: =0（变量间不存在线性相关关系）； H1: 0（变量间有线性相关关系）； 检验步骤 本例n=16，r=0.91，按公式（13-2） 五、直线回归与相关应用的注意事项 1．根据分析目的选择变量及统计方法 直线相关用于说明两变量之间直线关系的方向和密切程度，X与Y没有主次之分； 直线回归则进一步地用于定量刻画应变量Y对自变量X在数值上的依存关系，其中应变量的定夺主要依专业要求而定，可以考虑把易于精确测量的变量作为X，另一个随机变量作Y，例如用身高估计体表面积。 两个变量的选择一定要结合专业背景，不能把毫无关联的两种现象勉强作回归或相关分析。