回归与相关（卫生统计学课件）.pptx

直线回归方程的建立

;线性回归方程用于描述两个变量间依存变化的数量关系。也称简单回归。;例1研究成人BMI（kg/m2）与肝脏硬度指数LSM间的关系，得到了表中所示的资料，试进行线性回归分析。;由散点图可见，BMI与肝脏硬度指数LSM之间存在着直线趋势，可以考虑建立二者之间的线性回归方程。;二、线性回归方程的估计;回归方程的参数估计;1.线性回归分析常用于分析两个变量之间是否存在线性依存关系，通过散点图可以直观描述两个变量的数量变化关系，参数估计可以使用最小二乘法。

2.在回归分析中，因变量是随机变量，自变量既可以是随机变量，也可以是给定的量，在两个变量都是随机变量的情况，应以变异小的变量作为自变量

3.线性回归则反映两个变量之间单向的依存关系，更适合分析因果关系的数量变化。

4.对同一资料进行相关与回归分析，r与b正负号相同，r和b为正，说明X与Y的数量变化的方向是一致的，X增大，Y也增大；反之亦然。

5.如果散点图显示两变量间不是直线关系，但可以通过某种变量变换转变为直线相关关系，则可以对变换后的数据采用上述公式建立模型。

;直线回归系数的含义;线性回归方程用于描述两个变量间依存变化的数量关系。也称简单回归。;回归方程式中之斜率b,称为回归系数，表示X每变动1单位,平均而言，Y将变动b单位。

回归系数越大表示x对y影响越大，正回归系数表示y随x增大而增大，负回归系数表示y随x增大而减小。

;直线回归系数的假设检验

;回归方程检验的基本思想：;回归系数的假设检验可用下面的简化公式计算;对例1数据建立的回归方程进行假设检验：;变异来源;二、t检验;对例1数据建立的回归方程后，进行t检验，过程如下：;3.确定P值，作出结论;1.回归系数的假设检验可以使用方差分析或者t检验方法。

2.对同一资料进行相关与回归分析，r与b正负号相同，r和b为正，说明X与Y的数量变化的方向是一致的，X增大，Y也增大；反之亦然。

3.如果散点图显示两变量间不是直线关系，但可以通过某种变量变换转变为直线相关关系，则可以对变换后的数据采用上述公式建立模??。

;直线相关系数的含义与计算

;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（linearcorrelation）,又称简单相关（simplecorrelation），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。例如11名男青年身高与前臂长之间存在线性相关关系。;;相关系数r没有度量衡单位，其数值为。表示正相关；表示负相关；

表示无相关，即无直线关系。当时称为完全相关。

相关系数的绝对值愈接近1，表示相关愈密切；相关系数愈接近0，表示相关愈不密切。;例1从男青年总体中随机抽取11名男青年组成样本，分别测量每个男青年的身高和前臂长，测量结果如下表所示，试计算身高与前臂长之间的相关系数。;经计算：;线性相关表示两个变量之间的相互关系是双向的。相关系数。

相关系数可以用于描述两个变量间相互关系的密切程度和方向。;直线相关系数的假设检验

;t检验法:根据r作总体相关系数是否为零的假设检验，即H0：，t值的计算为;例1从男青年总体中随机抽取11名男青年组成样本，分别测量每个男青年的身高和前臂长，测量结果如下表所示，试对身高与前臂长之间的相关系数进行假设检验。;对例1计算得到的r值进行假设检验：

1.建立检验假设

，即身高与前臂长之间不存在线性相关系

，即身高与前臂长之间存在线性相关关系

2.计算统计量

确定P值，作出结论

查t界值表，得，，，拒绝，接受，可以认为男青年身高与前臂长之间存在正相关关系。;线性相关表示两个变量之间的相互关系是双向的。相关系数。

两变量之间是否具有相关性的统计检验可以使用t检验方法。;直线回归与相关的联系

;1.相关系数r与回归方程中的b正负号相同，r和b为正，说明X与Y的数量变化的方向是一致的，X增大，Y也增大；符号为负，变化方向相反。

2.对同一样本可以得出r与b互相转化的