相关分析和回归分析.ppt

第8讲相关分析和回归分析医学统计学（MedicalStatistics）西南交通大学峨眉校区基础课部数学教研室相关分析回归分析本讲结构一、相关分析相关系数示意图散点呈椭圆形分布，X、Y同时增减---正相关（positivecorrelation)；X、Y此增彼减---负相关(negativecorrelation)。散点在一条直线上，X、Y变化趋势相同----完全正相关;反向变化----完全负相关。两个变量Y与X间的彼此关系——相关分析相关系数示意图X、Y变化互不影响----零相关(zerocorrelation)01040203相关系数(correlationcoefficient)，对于正态分布资料,选择积差相关系数,又称Pearson相关系数.对于非正态分布资料,选择等级相关系数(Spearman或Kendall相关系数).相关系数概念Pearson相关系数计算公式:结论:两变量存在显著的负相关【例1】相关分析.sav分析年龄和片段长度的相关性回归分析(Regression)是一种应用极为广泛的数量分析方法。它用于考察一个变量(因变量)与其余变量(自变量)之间的数量关系，并通过回归方程的形式反映这种关系,进而为控制和预测提供科学依据。01一元线性回归(linearregression):自变量只有一个.02多元线性回归(multiplelinearregression):自变量有多个.03二、回归分析一般线性回归的基本步骤确定回归方程中的自变量和因变量；确定回归方程形式；建立回归方程，估计参数；对回归方程进行各种统计检验；利用回归方程进行预测。12回归方程的各种模型01一元线性回归方程模型02多元线性回归方程模型03可化为线性回归的方程模型04决定系数R2越接近于1，说明回归方程对样本数据点拟和得越好.1.回归方程的拟合优度检验1回归系数对应的检验统计量t的绝对值越大，则相应的P值越小,说明回归系数越显著.特别地,在显著时回归系数的置信区间不包含0.3.回归系数的显著性检验32.回归方程的显著性检验检验统计量F值越大，则P值越小,说明回归方程越显著.2回归方程的各种检验体重增量＝-17.357＋0.222×进食量【例2】回归分析1.sav上海医科大学儿科医院研究某种代乳粉的营养价值是用大白鼠做试验，得大白鼠进食量（g）和体重增量（g）间关系的原始数据。试对进食量和体重增量进行回归分析。