医学统计学课件-回归与相关.pptVIP

* 决定系数与拟合优度检验 本例9-1，R2= SS回/SS总=697.15/934=0.7464。R2= 0.7464，说明15岁男童体重有74.64%的变异与身高有关。 通过拟合优度检验（等价于对总体回归方程的检验）---方差分析（见表9-2），发现该决定系数有统计学意义（P0.01） 。 * 总体回归系数 ? 的可信区间 总体 样本 根据 t 分布原理估计可信区间： 总体 β 样本 b * 本例9-1中已计算得b=0.7158, sb=0.0983, v=18，查t界值表得t0.05/2,18 =2.101 (0.7158- 2.101 ×0.0983，0.7158+ 2.101 ×0.0983) =( 0.5093，0.9223) 含义 用(0.5093，0.9223 ）来估计15岁健康男孩身高与体重间的回归系数，可信度为95％。 * 线性(linear) 独立(independent) 给定X时，Y正态分布(normal) 等方差(equal variance) 四、回归分析的前提条件(LINE) 变量Y * 直线回归应用条件LINE示意图 * 给定X时，Y是正态分布、不等方差示意图 * 五、简单直线回归分析应用 （一）利用回归方程进行估计和预测（二）利用回归方程进行统计控制 * 个体 的容许区间估计 * 的区间估计 * 可信区间与预测区间示意图 回归直线 可信区间下限 预测区间下限 * 六、应用简单直线回归分析注意问题 1. 作回归分析要有实际意义。2. 进行回归分析前，应绘制散点图； 作用：①看散点是否呈直线趋势；② 有无异常点；3. 回归方程的适用范围要以求回归方程时X的实测值范围为限；若无充分理由证明超过该范围还是直线，应避免外延。4. 回归分析对资料的要求。 自变量X是可以精确测量和严格控制的非随机变量，如年龄，药物浓度或剂量等；也可以是随机变量，如血清胆固醇的含量，血红蛋白的含量，等。因变量Y要求是呈正态分布的随机变量。 收集资料时， X与Y是成对的，一般来自同一个研究对象。一对数据缺少X或Y都不能应用，因此收集数据时要特别注意。 * 第二节 直线相关 回归 ---- 变量间的依存关系 相关 ---- 变量间的互依关系 直线相关(linear correlation)：简单相关(simple correlation)，用于双变量正态分布资料。 * * 相关分析的任务： 两变量间有无相关关系？ 两变量间如有相关关系，相关的方向？相关的程度？ 相关分析时，两变量不区分自变量和应变量。 * 相关系数示意图 散点呈椭圆形分布， X、Y 同时增减---正相关（positive correlation)； X、Y 此增彼减---负相关(negative correlation) 。 散点在一条直线上， X、Y 变化趋势相同----完全正相关; 反向变化----完全负相关。 * * 相关系数示意图 X、Y 变化互不影响----零相关(zero correlation) * 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或 Pearson 相关系数（软件中常用此名称） 说明相关的密切程度和方向的指标。 r ——样本相关系数 * r无单位，-1 ≤ r ≤ 1。r 值为正 ——正相关， 为负 ——负相关； （与回归系数b的符号相同） |r|=1 --- 完全相关， |r|=0 --- 零相关。 二、相关系数的意义 * * 三、 相关系数的计算 * 图9-5 凝血时间与凝血酶浓度散点图 * 四、相关系数的假设检验 r≠0原因：① 由于抽样误差引起，ρ=0 ② 存在相关关系， ρ≠0 公式 ，υ＝n-2 Sr---- 相关系数的标准误 方法1－t检验 方法2－查表法：按自由度（n－2）查r界值表得P值。 * 注意：对于同一资料，tb＝tr，检验完全等价 * 五、总体相关系数?的区间估计 * * 一项研究显示出，欧洲某个城市的人口大量增加，同时鹳鸟窝也大量增加。这是否就支持了鹳鸟送来婴儿这一信念？（欧洲有一种说法