原创力文档- 1、本文档共24页，可阅读全部内容。
- 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、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、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)。
第二十章
数值变量与数值变量
关系的分析主讲老师：陈青山数据数据特征结果变量：数值变量；影响变量：数值变量。分析目的：研究两个数值变量之间的相关关系和回归关系。统计方法：应采用Pearson直线相关和回归分析。举例：身高与体重的关系分析；年龄与血压的关系分析；脉搏与体温的关系分析……基本原理Pearson直线相关与回归要求影响变量X和结果变量Y服从双变量正态分布。样本相关系数r：描述两个变量直线相关的方向和密切程度；相关系数没有单位；取值在-1≤r≤1；当r0时表示两变量正相关，当r0时表示两变量为负相关，当r=0时表示两者不存相关关系。r的绝对值越接近1，两者间的密切程度越高。当数据不能满足作线性相关回归分析的条件时：可以将两个连续变量均降级为多项有序分类资料，从而进行Spearman等级相关。第一节
数值变量与数值变量的Pearson相关分析数值变量与数值变量的直线相关关系的有无及其大小方向。实例例20-112名20岁女青年的身高与体重资料如表20-1，试问身高与体重之间有无相关关系？编号身高体重116455215656317260………11158461215251表20-112名20岁女青年的身高与体重资料实例分析数据特征结果变量：数值变量；影响变量：数值变量。分析目的：身高与体重的相关性。统计方法：假设身高与体重均服从正态分布等条件，可应用Pearson相关分析，推断其总体相关系数是否为零，及其大小和方向。SAS的计算程序由散点图可发现身高增加的同时体重也在增加，初步判断两者可能存在线性关系。SAS的计算结果1.散点图2.Pearson积矩相关来分析结果相关系数r=0.8340，P=0.00070.01，r有统计学意义且大于0，可认为身高与体重正相关。SPSS的操作步骤SPSS的计算结果由散点图可发现身高增加的同时体重也在增加，初步判断两者可能存在线性关系。1.散点图相关系数r=0.8340，P=0.0010.01，r有统计学意义且大于0，可认为身高与体重正相关。2.Pearson积差相关来分析结果第二节
数值变量与数值变量的Pearson回归分析数值变量间是否存在直线回归及其回归系数的大小。实例例20-2已知尿铅与血铅存在相关关系，欲通过测量尿铅含量推算血铅含量，测得某地15名正常成年人的血铅和24小时的尿铅，试建立两者的回归方程，并判断方程是否成立。编号尿铅血铅10.110.1420.250.2530.230.28………140.340.32150.220.24表20-215名正常成年人的尿铅与血铅测量值（μmol/L）实例分析数据类型：结果变量：数值变量，血铅（Y）；影响变量：数值变量，尿铅（X）。分析目的：通过正常成年人的尿铅推算血铅的含量。统计方法：如果正常成年人的尿铅与血铅均服从正态分布等条件，可应用Pearson回归的分析方法建立两者的回归方程。Pearson回归是推断其总体回归系数β（即斜率）是否为零，及其大小和方向。SAS的计算程序由散点图可发现身高增加的同时体重也在增加，初步判断两者可能存在线性关系。SAS的计算结果1.散点图2.方差分析结果F=295.24，P0.0001，相关系数β有统计学意义，可以认为回归方程成立。2.参数估计结果截距α=0.032，P=0.01520.05；相关系数β=0.897，P0.0001，截距与相关系数有统计学意义；回归方程为：Y=0.032+0.897X。SPSS的操作步骤SPSS的计算结果由散点图可发现尿铅增加的同时血铅也在增加，初步判断两者可能存在线性回归关系。1.散点图F=295.240，P0.001，相关系数β有统计学意义，可以认为回归方程成立。2.方差分析结果截距α=0.032，P=0.0150.05；相关系数β=0.897，P0.001，截距与相关系数有统计学意义；回归方程为：Y(血铅)=0.032+0.897X(尿铅)。3.参数估计结果谢谢！
文档评论（0）