卫生统计学线性相关与回归.pptVIP

湖北中医学院卫生教研室湖北中医学院卫生教研室湖北中医学院卫生教研室卫生统计学线性相关与回归中医科研设计与统计湖北中医学院卫生教研室*第1页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*第十章线性相关与回归第一节线性相关第二节线性回归第三节线性相关和回归的区别与联系第四节等级相关第2页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*概述“回归”名称的由来：最早由英国遗传学家弗朗西斯·高尔顿(FrancisGalton)引入。在一篇著名的论文“FamilyLikenessinStature”中，高尔顿发现，虽然有一个趋势：父母高，子女也高；父母矮，子女也矮，即父母的身高对子女的身高起到决定性作用。但给定父母的身高，子女的平均身高却趋向于或者“回归”到种族人群的平均身高。换言之，尽管父母都非常高或非常矮，但儿女的身高却有回归到人群总体平均身高的趋势。这就是Galton的普遍回归定律（lawofuniversalregression)。第3页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*第4页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*现代统计学奠基人卡尔·皮尔逊（KarlPearson）也证明了子女身高确实“回归到中等”（regressiontomediocrity）。他发现，对于一个父亲高的群体，儿子的平均身高通常低于他们父辈的身高；而对于一个父亲矮的群体，儿子的平均身高通常高于其父辈的身高。即高的和矮的儿子身高一同“回归”到所有男性的平均身高。皮尔逊观察了1078对夫妇，以每对夫妇中父亲的身高作为解释变量X（自变量），取他们的一个成年儿子的身高作为被解释变量Y（应变量），将结果在平面直角坐标系上绘成散点图，发现散点的趋势近乎一条直线。计算出直线回归方程为：第5页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*第6页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*回归的现代释义在普遍回归定律中，高尔顿的兴趣在于发现为什么人口的身高分布有一种稳定性。但是现代统计学并不关心这种解释，我们关心的是知道了父辈的身高，怎样去估计或预测子女的身高。回归的现代解释和应用大致上可以这样说：回归分析是研究一种叫做被解释变量（或称应变量：DependentVariable）的变量对另一种叫做解释变量（或称自变量：IndependentVariable）的变量之间依赖关系的统计方法，当解释变量取某个已知或设定值时，能够估计或预测出与之相关的被解释变量所有可能出现对应值的（总体）均值。第7页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*变量关联性分析变量关系函数关系：有精确数学表达式（S＝?R2，C＝2?R）统计关系（非确定性关系）相关分析（确定性关系）（平等关系）多元相关分析复相关分析偏相关分析简单相关分析：直线相关分析回归分析（因果关系）一元回归分析多元回归分析直线回归分析曲线回归分析多元非线性回归分析多元线性回归分析第8页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*直线相关与回归的区别直线相关分析：研究两随机变量之间的是否存在线性关系，以及线性关系的性质和强弱；分析的两变量没有自变量和应变量之分；两变量间是共变关系（双向），地位是平等的；不能用一个变量去预测或控制另一个变量的变化。直线回归分析：研究两相关变量之间是否存在线性依存关系，以及依存关系的数量比例关系；分析的两变量有自变量和应变量之分；两变量间是因果关系（单向），地位不平等的；可以用自变量来预测或控制应变量。第9页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*第一节线性相关一、二维散点图例1：一个产科医师发现孕妇尿中雌三醇含量与新生儿的体重有关。于是设想，通过测量待产孕妇尿液中雌三醇含量，是否可以预测新生儿体重，以便对低体重新生儿进行预防准备。因此收集了31例待产孕妇24小时的尿液，测量其中的雌三醇含量，同时记录新生儿的体重。数据记录如表1所示：第10页，共24页，星期日，2025年，2月5日中医科研设计与统计湖北中医学院卫生教研室*31例待产妇尿雌三醇含量（mg/24h）与新生儿的体重（kg）编号尿雌三醇产儿体