【学习课件】第十章__双变量回归与相关.pptxVIP

第十章双变量回归与相关医学统计学·两变量间数量依存与关联关系的系统分析方法

Contents目录第十章·双变量回归与相关01双变量分析基础与散点图02直线回归分析03直线相关分析04回归与相关的综合应用

Chapter01双变量分析基础与散点图从单变量到双变量的思维跃迁，用散点图建立直观认知

CHAPTER10·BIVARIATEANALYSIS双变量分析的意义与分类双变量分析是从单变量描述统计向多变量关系探索的关键跨越。它帮助研究者回答两个变量之间是否存在关系、关系有多密切、能否相互预测这三个核心问题，是统计建模和因果推断的基础工具。医学关联探索：医学研究中大量问题涉及两变量关系，如年龄与血压、剂量与疗效、BMI与血糖水平等，单变量分析无法揭示这些关联。年龄·剂量·BMI回归与相关之别：回归分析侧重于建立数量依存方程，实现用一个变量预测另一个变量；相关分析侧重于度量关联的强度与方向。预测vs度量数据类型分类：双变量正态分布资料用直线回归与Pearson相关，非正态或等级资料用秩相关与Spearman相关。Pearson·Spearman散点图先行：散点图是双变量分析的第一步，也是最直观的探索工具，能帮助判断变量间关系的形式——线性或非线性。线性·非线性

Chapter10·BivariateRegressionCorr