医学统计学线性相关与回归.ppt

;;;一、线性回归的概念

线性回归方程（linearregressionequation）

;X-自变量（independentvariable）；

Y-应变量（dependentvariable）；

-给定X时Y的估计值；

a-截距（intercept）或常数项（constantterm）；

b-回归系数（regressioncoefficient）。;回归方程参数的计算;;例11-1研究饮水氟含量与成人骨X线变化指数间的关系，得到了表11-1中所示的资料，试进行回归分析。;;（1）绘制散点图：

由散点图可见，饮水氟含量与骨X线变化指数之间存在着直线趋势，可以考虑建立两者之间的线性回归方程。;（2）计算回归系数与常数项;;按上述回归方程，在X实测值的范围内，任取两个相距较远的点和，连接A、B两点即得到回归直线。

;三、线性回归的假设检查

(一)方差分析

回归方程检查的基本思想：

假如X与Y之间无线性回归关系，则与

都只包括随机原因对Y的影响，因此其均方应近似相等，假如两者差异较大，并超过可以用随机波动解释的程度，则认为回归方程具有记录学意义。;回归分析中总变异的分解;回归模型的方差分析;回归变异计算措施;残差变异计算措施;总变异与回归变异和残差变异的关系;;对例11-1数据建立的回归方程进行假设检查：

（1）建立假设检查

;（2）计算记录量;（3）确定P值，得出记录结论

查F界值表,,拒绝，可以认为饮水氟含量与成人骨X线变化指数之间存在线性回归关系。;上面成果可以归纳成表11-2方差分析表的形式。;（二）t检查;例11-1数据建立回归方程后，进行t检查，过程如下:

（1）建立假设检查;（2）计算记录量;（3）确定P值，作结论

查t界值表，，

拒绝，结论与方差分析相似。可以看出，记录量与之间存在确定的数量关系，即有，本例。;一、线性有关的概念

两个变量之间存在的线性有关关系称为线性有关或简朴有关。

用于分析双变量正态分布资料。;图11-211名男青年身高与前臂长散点图;图11-3线性有关性质示意图;二、有关系数及其计算

有关系数（correlationcoefficient）：又称Pearson积差有关系数（coefficientofproductmomentcorrelation），是阐明具有线性有关关系的两个数值变量间有关的亲密程度与有关方向的记录量。;有关系数r没有度量衡单位，其数值为。

表达正有关；表达负有关；表达无有关，即无直线关系。当时称为完全有关。

有关系数的绝对值愈靠近1，表达有关愈亲密；有关系数愈靠近0，表达有关愈不亲密。;;例11-2从男青年总体中随机抽取11名男青年构成样本，分别测量每个男青年的身高和前臂长，测量成果如表11-3所示，试计算身高与前臂长之间的有关系数。;表11-311名男青年身高与前臂长的测量成果（cm）;本例:;三、有关系数的假设检查;对例11-2计算得到的r值进行假设检查：

（1）建立检查假设

，即身高与前臂长之间不存在线性有关系

，即身高与前臂长之间存在线性有关关系

（2）计算记录量;（3）确定P值，作出结论;一、线性回归分析的应用;③运用回归方程进行记录控制，即运用回归方程进行逆运算，通过控制自变量X取值来限定应变量Y在一定范围内波动。

2.作回归分析时，假如两个有内在联络的变量之间存在因果关系，则应当以原因变量为X,以成果变量为Y；假如变量之间因果关系难以确定，则应以易于测定或变异较小者为X。;3.在回归分析中，自变量X既可以是随机变量（称为Ⅱ型回归模型，两个变量都服从正态分布），也可以是给定的量（称为I型回归模型，在X取值固定期Y服从正态分布）。假如Y不服从正态分布，在进行回归分析前，应先进行变量的变换以使应变量符合回归分析的规定。;4.使用回归方程估计Y值时，尽量不要把估计的范围扩大到建立方程时的自变量的取值范围之外，由于超过样本取值范围，其线性关系与否成立难以判断，外推要