SAS软件应用之直线回归与相关.pptVIP

第9章直线回归与相关

学习目标掌握直线相关的定义，熟悉简单相关系数的计算；掌握直线相关分析的SAS程序（CORR过程以及选项）；掌握直线回归的模型假设以及计算方法；了解直线回归应用的注意事项；掌握直线回归分析的SAS程序（REG过程以及选项）。

概述在医学上，许多现象之间都存在着相互联系，例如身高与体重、体温与脉搏、年龄与血压、钉螺与血吸虫感染等。而有些事物的关系是互为因果的，如上述钉螺是因，感染血吸虫是果；但有时因果不清，只是伴随关系。例如父母的兄弟，兄高，弟也可能高，但不能说兄是因、弟是果，这里不是因果关系，而可能与社会条件、家庭经济、营养、遗传等因素有关。

概述相关是解决客观事物或现象相互关系密切程度的问题，而回归则是用函数的形式表示出因果关系。有相关不一定因果关系；反之，有因果关系的，一定有相关。我们称“因”的变量叫因变量，习惯上用Y表示。以横轴代表自变量X，纵轴代表依变量Y，可以将一群观察事物的两种关系在坐标图上以P（X，Y）的方法定位，作出一群散点图，便可在图上看出两者的关系。相关分析和回归分析是研究现象之间相关关系的两种基本方法。所谓相关分析，就是用一个指标来表明现象间相互依存关系的密切程度。

直线相关分析介绍与函数关系不同，相关变量间关系不能用函数关系精确表达，一个变量的取值不能由另一个变量唯一确定，当变量x取某个值时，变量y的取值可能有无数个，各观测点分布在直线周围。按相关程度划分可分为完全相关、不完全相关、和不相关：

不相关如果变量间彼此的数量变化互相独立，则其关系为不相关，即没有任何相关关系。自变量x变动时，因变量y的数值不随之相应变动。

完全相关如果一个变量的变化是由其他变量的数量变化所唯一确定，此时变量间的关系称为完全相关。即因变量y的数值完全随自变量x的变动而变动，它在相关图上表现为所有的观察点都落在同一条直线上，这种情况下，相关关系实际上是函数关系。所以，函数关系是相关关系的一种特殊情况。

正相关和负相关正相关：两个变量之间的变化方向一致，都是呈增长或下降的趋势。即自变量x的值增加（或减少），因变量y的值也相应地增加（或减少），这样的关系就是正相关。负相关：两个变量之间变化方向相反，即自变量的数值增大（或减小），因变量随之减小（或增大）。

线形相关和非线形相关直线相关（或线性相关）：当相关关系的自变量x发生变动，因变量y值随之发生大致均等的变动，从图像上近似地表现为直线形式，这种相关通称为直线相关。曲线（或非线性）相关。在两个相关现象中，自变量x值发生变动，因变量y也随之发生变动，这种变动不是均等的，在图像上的分布是各种不同的曲线形式，这种相关关系称为曲线（或非线性）相关。曲线相关在相关图上的分布，表现为抛物线、双曲线、指数曲线等非直线形式。

相关系数所谓相关分析，就是分析测定变量间相互依存关系的密切程度的统计方法。一般可以借助相关系数来进行相关分析。相关系数是表示两个变量（X，Y）之间线性关系密切程度的指标，用r表示，其值在-1至+1间。如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。

直线相关分析的SAS程序SAS系统中进行直线相关分析的过程步是CORR过程。CORR过程存在于SAS的base模块，可以计算Pearson积矩相关系数、Spearman秩相关系数、Kendall‘stau-b统计量、Hoeffding’s独立性分析统计量D以及Pearson，Spearman，以及Kendall偏相关系数。另外，它还对用于估计可靠性的Cronbach系数α进行计算。Corr过程的语句基本格式如下：PROCCORR选项列表;BYDESCENDING变量名-1...DESCENDING变量名-nNOTSORTED;FREQ变量名;PARTIAL变量名（列表）;VAR变量名（列表）;WEIGHT变量名;WITH变量名（列表）;

直线相关分析的SAS程序CORR过程的几条语句中，BY语句、FREQ语句以及WEIGHT语句与以前所介绍的过程中的完全相同，大家可以参考以前的内容。下面简要介绍其余的几条语句。PARTIAL语句:用以对所指定的变量计算偏相关系数或类似的偏统计量，可计算的偏统计量与PROCCORR语句中指定的选项有关。但其中只有Pearson积矩相关系数、Spearman秩相关系数及Kendall’s