08第八章线性相关与回归分析.docVIP

第八章线性相关与回归分析学习导航

学习导航

在医学领域中的某些事物或现象之间常彼此存在联系，即一个事物的改变可使另外一个事物发生相应的改变。比如：药物剂量与反应、年龄与体重、体温与心率、病情与疗效之间均有一定的联系。

两个数值变量间的关系可分为确定性关系和非确定性关系。

1、确定性关系又称函数关系，如：半径和圆面积的关系。

2、非确定性关系又称随机关系或统计关系，医学现象间的关系属于非确定性关系。如：人的体重与年龄有关系，但某一年龄人的体重并非定值，而是一个变量。非确定性关系从统计学角度又分为相关关系、回归关系、线性关系、曲线关系、一元关系及多元关系。

第一节相关分析

案例

案例8-1

在一项药物研究中，研究者在生产后的不同时期从三批药品中各取1片，重复三次测量其主要成分含量。生产后不同时期与其重复测量结果的均数见表8-1。试讨论生产后的不同时期与重复测量结果的均数之间有无线性相关关系。

表8-1：某药生产后不同时期重复测量结果均数

存放时间(X)0246810

均数（Y）1099776

一、线性相关

如果两个数值变量X与Y间存在一定的数量关系，即因变量Y随自变量X的改变发生相应的变化，且这种变化呈直线状趋势，并具有统计学上的显著性则称X与Y之间存在线性相关关系。如果Y随X的增大（减小）发生相应的增大（减小）则称正相关，如果Y随X的增大（减小）发生相应的减小（增大）称为负相关。

二、计算相关系数

相关系数又称积差相关系数，以r表示样本相关系数，以ρ表示总体相关系数。相关系数是描述X与Y变量之间直线关系的密切程度和相关方向的指标。

（1）r0时，称为正相关；即Y随X的增加而增加，r=1时称为完全正相关。

（2）r0时，称为负相关；即Y随X的增加而减少，r=-1时称为完全负相关。

（3）r=0时，称为零相关；即Y随X的变化无直线相关。

（4）|r|越大，说明X与Y间关系越密切；|r|越小，说明X与Y间关系越不密切。

小贴士相关系数是线性关联或线性相依的一个度量，它不能用于描述非线性关系；虽然相关系数是两个变量之间的线性关联的一个度量，却不一定有因果关系的含义

小贴士

相关系数是线性关联或线性相依的一个度量，它不能用于描述非线性关系；虽然相关系数是两个变量之间的线性关联的一个度量，却不一定有因果关系的含义；而且相关系数具有对称性，即X与Y之间的相关系数和Y与X之间的相关系数。

“零相关”不能简单地理解为两变量“不相关”，因为事物的联系是绝对的，而孤立是相对的，只有在某种特定的形式下它才能互不影响，互不相关。

相关系数的计算公式为：

式中称为离均差积和，称为X离均差平方和，称为Y离均差平方和。

判断变量X与变量Y之间是否存在相关关系可直接通过散点图（如图8-1）。

图8-1：不同相关类型散点图

【8-1案例分析】

1.绘制散点图：将每一对X与Y标在坐标中，观察X与Y的变化趋势，见图8-2。本例散点图中散点的分布基本上为直线趋势，可作线性相关分析。

2.相关系数的计算：

3.相关系数的假设检验：由于r为样本相关系数，故需对其作假设检验后方可说明X与Y间有无直线相关关系。r的检验可用t检验或直接查表法。

（1）t检验法

①建立假设：假设H0：ρ=0，H1：ρ0。

②确定检验水准：α=0.05，因存放时间与含量均数之间不可能呈正相关，故用单侧检验。

③计算tr值：

④确定P值：本例=6-2=4，查t界值表，得：=2.132，因为∣tr∣=7.4843

=2.132，所以P0.05。

⑤判断结果：按α=0.05的检验水准，拒绝H0，接受H1，可以认为存放时间X与主要成分含量Y之间存在线性相关关系。

（2）查表法

判断标准如下：

①当时，P0.05，不能认为两个变量间有线性相关关系。

②当时，P0.05，可以认为两个变量间有线性相关关系。

本例1中查表可得=0.8114，因为∣r∣=0.96610.8114，所以P0.05，故认为存放时间X与主要成分含量Y之间存在线性相关关系。

第二节回归分析

案例8-2

案例8-2

某药物分析实验室用银盐法测得砷含量与吸光度值，见表8-2，试说明砷含量对吸光度的回归直线。

表8-2：某药物分析实验室测得砷含量与吸光度值

砷含量(X，g)0246810

吸光度（Y）0.020