线性相关与线性回归分析.ppt

分析：给出了体表和体重的均数和标准差情况。 分析：此表给出了体重和体表的相关系数阵和P值。 ? 结果输出和讨论： 分析：R=0.918(即相关系数r)，决定系数 校正的决定系数为0.823，估计值的标准误差为0.17434 分析：可见回归平方和 为1.301，剩余平方和 为0.243，F=42.798，P=0.0000.05, 拒绝原假设，认 为是线性相关的，即回归方程有意义。 分析：非标准化系数 ， t统计量分别为5.616和6.542，其P值分别为0.001和 0.000，均小于0.005，有显著性意义。 其回归方程为 多元线性回归分析 研究在线性相关条件下，两个或两个以上自变量对一个因变量的数量变化关系，称为多元线性回归分析。 多元线性回归模型是一元线性回归模型的扩展， 其基本原理与一元线性回归模型类似，在计算上 更为复杂，一般需借助计算机来完成。 是偏回归系数 编号 载脂蛋白AI (mg/dl) 载脂蛋白B (mg/dl) 载脂蛋白E (mg/dl) 载脂蛋白C (mg/dl) 胆固醇含量(mg/dl) 1 173 106 7.0 14.7 62 2 139 132 6.4 17.8 43 3 198 112 6.9 16.7 81 4 118 138 7.1 15.7 39 5 139 94 8.6 13.6 51 6 175 160 12.1 20.3 65 7 131 154 11.2 21.5 40 8 158 141 9.7 29.6 42 有研究认为血清中高密度脂蛋白降低是引起动脉硬化的 一个重要原因，现测量了30名被怀疑患有动脉硬化的就 诊患者的载脂蛋白AⅠ、载脂蛋白B、载脂蛋白E、载脂 蛋白C和高密度脂蛋白中的胆固醇含量，资料见表， 分析四种载脂蛋白对高密度脂蛋白中胆固醇含量的影响。 9 158 137 7.4 18.2 56 10 132 151 7.5 17.2 37 11 162 110 6.0 15.9 70 12 144 113 10.1 42.8 41 13 162 137 7.2 20.7 56 14 169 129 8.5 16.7 58 15 129 138 6.3 10.1 47 16 166 148 11.5 33.4 49 17 185 118 6.0 17.5 69 18 155 121 6.1 20.4 57 19 175 111 4.1 27.2 74 20 136 110 9.4 26.0 39 21 153 133 8.5 16.9 65 22 110 149 9.5 24.7 40 23 160 86 5.3 10.8 57 24 112 123 8.0 16.6 34 25 147 110 8.5 18.4 54 26 204 122 6.1 21.0 72 27 131 102 6.6 13.4 51 28 170 127 8.4 24.7 62 29 173 123 8.7 19.0 85 30 132 131 13.8 29.2 38 ? 实现步骤： x1:载脂蛋白AI; X2：载脂蛋白B；X3：载脂蛋白E X4：载脂蛋白C；y:胆固醇含量。 1. 将数据录入SPSS并整理加工 定义变量 输入数据 保存 * * * * * * * 第五章 线性相关与线性回归分析 1. 相关分析原理 2. Bivariate过程 3. 回归分析原理 4. Regression过程 5.1 一元相关与回归 5.2 多元回归方程 例 测某地10名三岁儿童的体重X（kg）与体表面积Y （10－1m2）， 体重 11.0 11.8 12.0 12.3 13.1 13.7 14.4 14.9 15.2 16.0 体表 5.283 5.299 5.358 5.602 5.292 6.014 5.830 6.102 6.075 6.411 判断X和Y是否是线性相关的。 5.1 相关分析原理 1.直线相关： （1）两个变量均服从正态分布 总体相关系数: 样本相关系数: r绝对值愈接近1，两个变量间的线性相关越密切 r绝对值越接近0，两个变量间的线性相关越不密切 性质： Pearson简单相关分析 相关系数的检验 原假设 则: ( ) × （2）如果不服从正态分布，则应考虑变量变换，或采用 等级相关来分析。 Spearman等级相关 Kendall 等级相关 注：列联表可用“