[其它]第9章 关联性分析.pdf

第九章 关 联 性 分 析 单一变量的部分统计分析方法，着重于 比较该单个变量的组间差别。 在医学研究 中常常还需要分析两个随机 变量之间的关系。 例如：胸围与肺活量的关系 年龄与血压的关系 某疾病危险因素与疾病发生的关系 主要 内容 ： 1. 两个连续型随机变量间的线性相关。 2. 两个分类变量间的关联。 一般 地，两个连续随机 变量间的线性联系称为线性 相关(linear correlation)，也称为简单相关 （simple  correlation）。 两个分类变量 间的联系则称为 关联（association）。 9.1 概述 9.2 两个连续型随机变量的相关分析 9.3 两个分类变量的关联分析 9.1 概述 一、线性相关的实例 例9­1  表9­1为一项关于儿童健康和发育的 研究中10名学龄儿童的身高和体重资料， 试对学龄儿童的身高（cm）和体重 （kg） 进行相关分析。 表 9­110 名学龄儿童的身高和体重 儿童 1  2  3  4  5  6  7  8  9  10  编号  身 高 149.35 167.64 146.30 170.69 161.54 164.59 155.45 158.50 149.35 152.40 （ X ） 体 重 30.84 42.64 33.11 44.00 36.29 40.82 32.66 35.38 33.11 31.75 （ Y ） 二、线性相关的基本概念 （一）散点图 44.00 42.00 40.00 体 38.00 重  ( k g 36.00 ) 34.00 32.00 30.00 145.00 150.00 155.00 160.00 165.00 170.00 175.00 身高(cm)  （二）相关的种类 ： 1.  正相关（positive correlation）  2.  负相关（negative correlation）  3.  零相关（zero correlation）  4.  非线性相关（nonlinear correlation） (a)  r  0 (b)  r  0 (c)  r = 0 (d)  r = 0 (e)  r = 0 (f)  r = 0 （曲线相关） 图 9­1  常见的典型散点图 （三）线性 关联强度的指标 ： n两个连续型随机变量间联系的强度用相关 系数（correlation coefficient）来描述。 n如果就总体而言，则称为总体相关系数， 记为r ；如果计算数据取 自样本，则称为 样本相关系数，记为r 。 n  ­1 £ r £ 1 9.2 两个连续型随机变量的相关分析 n  9.2.1 以例9­1为例。问题如下： n 统计学描