ch相关与回归.ppt

界面说明 界面说明 界面说明 界面说明 【Plot钮】用于绘制各类残差图。 界面说明 【Save钮】用于保存中间结果，如残差、预测值。 预测值、标准化预测值 条件均值的置信区间，个体Y值的容许区间 界面说明 SPSS分析结果 拟合过程中变量进入/退出模型的情况记录 SPSS分析结果 所拟合模型的情况简表 SPSS分析结果 回归模型的检验结果 实际是标准的方差分析表 回归模型F值=60.197，P值0.01 SPSS分析结果 回归模型系数的检验结果 SPSS分析结果 线性相关和回归的区别与联系 线性相关和回归的区别与联系 曲线拟合（Curve fitting) 曲线直线化：非线性资料通过变量变换使其直线化，可求出变量变换后的直线方程，再利用直线方程绘制标准工作曲线，同时还可将直线方程还原为曲线方程，实现对资料的曲线拟合。 例9-13 以不同剂量的标准促肾上腺皮质激素释放因子CRF（nmol /L）刺激离体培养的大鼠垂体前叶细胞，监测其垂体合成分泌肾上腺皮质激素ACTH的量（pmol/L）。根据表9-10中测得的5对数据建立CRF-ACTH工作曲线。 表9-11 标准CRF(X)刺激大鼠垂体前叶细胞分泌ACTH(Y)测定结果 编号 1 2 3 4 5 合 计 0.005 -2.30 34.11 5.29 1163.49 -78.49 0.050 -1.30 57.99 1.69 3362.84 -75.45 0.500 -0.30 94.49 0.09 8928.36 -28.44 5.000 0.70 128.50 0.49 16512.25 89.82 25.000 1.40 169.98 1.95 28893.20 237.62 -1.81 485.07 9.52 58860.14 145.06 SPSS分析结果 例9-14：一位医院管理人员想了解重伤病人出院 后的预后情况，收集了病人住院天数（X）和病 人出院后长期恢复的预后指数（Y），指数取值 越大表示预后结局越好，数据见下表9-12（data -corr1.sav）。 SPSS分析结果 练习题 1. 某地10名健康女大学生的体重（kg）与肺活量（L）数据如下，试建立肺活量（Y）与体重（X）的回归方程，并估计体重为50kg时相应肺活量均数的95%CI，以及个体值的95%预测区间。 练习题 2. 某医师测得10名正常成年男性的血浆清蛋白含量（g/L）及其血红蛋白含量（g/L）数据如下表所示，请对这两项指标作相关和回归分析。 练习题 3. 某医生对某个感冒患者进行连续观察60小时，每6小时观察测量该患者的体温和呼吸次数，资料如表3。 表3 某感冒患者10次临床观察的体温和呼吸次数记录 该医生对上述资料进行双变量正态性检验，?=0.2，正态性检验的P均大于?，不能拒绝资料服从双变量正态分布，计算Pearson相关系数得r =0.9373，相应的P=0.0001，相关系数?的95%可信区间为（0.7507,0.9854）。因此该医生推断：体温与呼吸次数呈线性相关。 请问：你对该医生作上述相关分析和所下的结论是否有异议？为什么？ The End! * 相关分析与回归分析—Correlate过程与Linear过程 邹莉玲 医学统计教研室 主要内容 简单相关分析 --理论复习 --SPSS实现：分析 相关过程 简单回归分析 --理论复习 --SPSS实现：分析 回归过程 简单相关分析——理论复习 相关分析：是研究事物或现象之间有无直线关系以及直线关系的方向和密切程度的分析方法。 正相关、负相关、完全相关和零相关 相关系数：r 表示相关的密切程度与相关方向的指标。又称Pearson相关系数。 取值范围：[-1，1]。 相关系数示意图 对服从双变量正态分布的两变量X和Y的随机样本，可首先通过绘制散点图观察是否具有线性趋势，进而计算Pearson积差相关系数。 相关系数r 的计算 相关系数的假设检验 对相关系数r的假设检验可用t检验或查表法进行。 线性相关分析的应用条件 资料服从双变量正态分布 不满足条件时的对策：变量变换、秩相关分析 双变量正态分布条件的检验方法： 检验资料X和Y是否服从双变量正态分布条件，可以通过证明：