双变量关联性分析专家讲座.pptx

双变量关联性分析;问题提出;关联性分析目标;主要内容;直线相关

linearcorrelation;问题提出;;最直观方法：

绘制散点图(scatterplot);;统计学上两个随机变量之间呈直线趋势关系被称为直线相关。

直线相关系数（linearcorrelationcoefficient）：定量描述两变量间直线关系方向和亲密程度。;直线相关系数（linearcorrelationcoefficient）;相关系数r性质;;详细步骤;相关系数统计推断(假设检验)

1.t检验

（1）建立假设检验，确定检验水准

;（2）计算检验统计量

;;（3）确定P值并作出统计推断;2.查表法

直接查相关系数界值表，，=0.514，

=0.760，，结果与t检验法一致。;注意事项;（a）;注意事项;;;注意事项;注意事项;（b）;秩相关（等级相关）

rankcorrelation;问题提出;;某医生欲研究血小板浓度和出血症关系，测得12名病人血小板浓度（109/L）和出血症以下表：

;;秩相关适用条件;基本思想;例13.4某研究者对15例30~50岁成年男子

舒张压(mmHg)与夜间最低血氧含量分级进行研

究，试分析二者关联性。资料列于下表。;;设有n例观察对象，对每一例观察对象同时取得两

个测定值(Xi,Yi)，分别按Xi,Yi(i=1,2,…,n)值由小到

大排秩为1,2,…,n。它们秩分别为与，将

及秩次直接代入直线相关系数计算公式可得到

Spearman秩相关系数。;详细步骤;假设检验;建立假设检验，确定检验水准;（2）计算检验统计量

本例，直接查等级相关系数界值表，得=0.779。

（3）确定P值并作出统计推断

=0.779，P0.001，按水准，拒绝，接收，能够认为舒张压与夜间最低血氧含量分级之间有正相关关系。;直线回归分析;主要内容;医学领域里经常需要研究两个变量之间关系，比如：人身高与体重，体温与脉搏次数，年纪与血压，药剂量与疗效，体表面积与肺活量，身高与臂长……

两变量关系亲密程度能够用直线相关衡量；

两变量数量改变关系能够用直线回归衡量。

;直线回归概念;例;;为了直观了解腹腔内脂肪面积与腰围关系，以这20名男性志愿者腰围为横坐??，腹腔内脂肪面积为纵坐标绘制散点图;图14.1两变量直线回归关系散点图;函数关系与回归关系;直线回归方程：

为自变量取值

为当取某一值时应变量y平均预计值

为截距(intercept)，即当时y平均预计值

b为回归系数(regressioncoefficient)，表示改变一个单位时y平均改变量。;a0;

b0：每增加（降低）一个观察单位，增加（降低）b个单位。;

b0：每增加（降低）一个观察单位，降低（增加）|b|个单位。

;

b=0：与没有直线回归关系。;回归方程预计;计算公式;本例;故所求回归方程为：;直线回归统计推断;t检验法;本例;;总体回归系数区间预计;直线回归分析应用;总体条件均数置信区间预计;应变量个体y值预测区间;二者区分(置信带和预测带）;直线回归分析需注意问题;;;联络;;区分;