网站大量收购独家精品文档,联系QQ:2885784924

医学统计学课件-相关与回归.pptVIP

医学统计学课件-相关与回归.ppt

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共65页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
直线回归分析的一般步骤 1. 绘制散点图,若呈直线趋势,则可拟合直线回归方程; 2. 求回归方程的待定系数:a 和b 3. 写出回归方程 4. 对回归方程进行假设检验; 5. 绘制回归直线; 6. 总体回归系数的区间估计。 【例】利用已知20岁男青年身高与前臂长之间存在直线相关关系,现求身高与前臂长的直线回归方程。 计算步骤 (1)列回归系数计算表,求出ΣX ,ΣY ,ΣXY , X2 , ΣY2 。 本例ΣX=1725 ,ΣY=454 ,ΣXY=78541 ,ΣX 2=298525 ,ΣY 2=20690 。lxx=962.5 ,lxy=226 (3)求回归系数b和截距a (4)列出回归方程 将求出的 a 和 b 代入公式 在自变量X的实测值范围,任意指定相距较远且易读的两个数值,代入直线回归方程,求出相应的Y的估计值,确定两点,用直线连接。如本例取X1=155,X2=185,则在图上确定(155,41.291)和(185,48.335)两个点,直线连接,即得出直线回归方程的图形, 回归直线的绘制 20岁男青年身高与前臂长散点图 回归系数b为样本回归系数,假设在总体回归系数β=0的总体中抽样,得出样本的b不一定为0,因此需作总体回归系数β是否为0的假设检验. 常用F检验和t检验。 回归系数的假设检验 方差分析:应变量总变异的分解 X P (X,Y) Y Y的总变异分解 Y的总变异分解 未引进回归时的总变异: (sum of squares of total) 引进回归以后的变异(剩余): (sum of squares for residuals) 无法用X解释的变异 回归的贡献,回归平方和: (sum of squares for regression) 越大,回归的效果好 方差分析用于回归系数检验的基本思想:如果X与Y之间无线性关系,则SS回归于SS剩余都是其他随机因素对Y的影响,因此描写变异的MS回归与MS剩余应近似相等,总体回归系数为0, 反之则不应为0。 Y的总变异分解 ν总=n-1 ν回=1 ν剩余=n-2 回归方程的方差分析 回归系数 t检验 Sb为回归系数的标准误,Syx为各观察值 Y 距回归直线的标准差,即剩余标准差;为剩余平方和,它反映X对Y的线性影响之外的因素对Y的变异作用。在散点图中,各实测点离回归直线越近,越小,说明直线回归的估计误差越小。 【例】根据例所得b值,检验身高与前臂长 是否有直线回归关系。 (1)建立检验假设 H0:β=0, 即身高与前臂长无直线回归关系 H1:β≠0, 即身高与前臂长有直线回归关系 α=0.05 (2)计算t值 前面已经求得lXX=962.5,lXY=226,lYY=78.4,代入公式有 (3)确定P值,作出推断结论 本例υ =10-2=8,查附表2,t界值表得t0.005(8)=3.833,现tt0.005(8),故P0.005。 按α=0.05的水准,拒绝Ho,接受H1,可认为20岁男青年身高与前臂长有直线回归关系。 1、描述两变量间的依存关系 可用直线回归来描述 。 2、利用回归方程进行预测 将X 代入直线回归方程,可得到应变量 Y 的估计值。 3、利用回归方程进行统计控制 通过X取值来控制Y的变化。 直线回归方程的应用 1.作相关回归分析要有实际意义。 不要把毫无联系的两种现象作相关回归分析。 2.相关关系不一定是因果关系,也可能是伴随关系。 3.在进行直线相关与回归分析之前,应先绘制散点图,当观察到点的分布呈直线趋势时,方可进行分析,如散点图呈曲线趋势,应进行曲线回归分析。 相关与回归分析时应注意的问题 线性相关与回归 Correlation and Regression 大量的医学科研与实践中,经常会遇到对两个变量之间关系的研究。 糖尿病病人的血糖与胰岛素水平的关系; 某人群年龄与收缩压的关系; 儿童身高与体重的关系; 动物实验中动物进食量与增加体重的关系等。 常用相关与回归分析,属双变量分析范畴(bivariate analysis)。 线性相关 (linear correlation) 当两事物或现象在数量上的协同变化呈直线趋势时则称为直线相关,又称简单相关。 用于分析双变量正态分布资料。表示两变量相关关系的重要指标就是相关系数。 直线相关的概念 对两变量关系的研究,而关心的是两个变量间是否确有

文档评论(0)

子不语 + 关注
官方认证
服务提供商

平安喜乐网络服务,专业制作各类课件,总结,范文等文档,在能力范围内尽量做到有求必应,感谢

认证主体菏泽喜乐网络科技有限公司
IP属地山东
统一社会信用代码/组织机构代码
91371726MA7HJ4DL48

1亿VIP精品文档

相关文档