9-两变量关联性分析.pptx

第九章

两变量关联性分析;统计学的两个主要内容;教学内容;教学目的和要求;教学重点;教学难点;在医学研究中常要分析两个变量间的关系，如血清胆固醇含量和舒张压、身高和体重、年龄和血压、药片的硬度和药片的消溶速度等。回归〔regression〕和相关〔correlation〕分析就是研究两个或多个变量间相互关系的统计方法。

;简单线性回归分析〔simplelinearregressionanalysis〕是研究2个变量间的数量依存关系的统计方法；

线性相关分析〔linearcorrelationanalysis〕或简单相关分析(simplecorrelationanalysis)

那么是研究2个随机变量间是否有线性联系、联系程度及方向的统计方法。;第一节

线性相关分析;为研究儿童健康和开展，测量10名学龄儿童的身高〔cm〕和体重〔kg〕,数据如表所示，据此判断身高和体重之间是否存在线性关系?

;研究目的：身高和体重之间是否存在线性关系，其联系程度如何？

;;散点图能直观地看出两变量间的关系，因此研究两变量的关系应先绘出散点图，而后再确定两者的量化关系。;④非线性相关如图9-1〔8〕，图中各点的排列呈现某种曲线趋势。;3.相关分析的分类

根据变量个数：

简单相关simplecorrelation〔直线相关linearcorrelation)

偏相关partialcorrelation:在其它变量不变时，两个变量之间的关联性

根据数据的正态分布性：

参数分析方法(Pearson)

非参数分析方法(Spearman);4.Pearson积差相关系数

coefficientofproduct-momentcorrelation;;相关系数的特点;二、简单相关分析的方法步骤;〔一〕绘制散点图;〔二〕估计简单相关系数r;〔三〕相关系数ρ的假设检验;为了对相关系数作假设检验，我们先假定X和Y均服从正态分布，有两种常用方法：

一是直接查P581r临界值表〔自由度＝n－2〕，比较与临界值，统计量越大，概率P越小；统计量越小，概率P越大。

二是采用t检验，这在实际应用中更普遍。;Sr是r的标准误;得到r=0.929之后，检验相关是否有统计学意义。;【电脑实验】;线性相关分析的SPSS过程：;线性相关分析的结果：;【结果解释】;三、线性相关分析的应用;〔三〕相关分析适用于两变量均为随机取值的资料，当一个变量的数值人为选定时不能做相关分析。如研究不同温度下兔肺动脉张力，人为选定四个温度16℃，24℃，30℃，37℃，获得如下资料。;〔四〕异常点的存在对相关分析往往有影响，要特别注意。;〔五〕分层资料盲目合并容易引起假象。;第二节

秩相关分析;某医生研究新生儿缺氧缺血性脑病临床分度与其血浆MDA含量〔出生后第7天〕的关系，获得了如下资料，试分析HIE临床分度〔1轻度，2中度，3重度〕与血浆MDA含量的相关方向及相关程度。;缺氧缺血性脑病临床分度是个等级资料，因此在进行相关分析时，不能用pearson相关，因为pearson相关要求资料呈双变量正态分布。;对于不服从正态分布的资料

或总体分布未知的资料

或等级资料

应进行秩相关分析。;〔一〕秩相关的概念

秩相关又称等级相关，是一种非参数统计方法，适用于资料不是正态双变量或总体分布未知；数据一端或两端有不确定值的资料或等级资料。

等级相关分析的方法有多种，在此仅介绍Spearman等级相关，它是利用两变量的秩次大小做相关分析，说明两个变量间相关关系的密切程度与相关方向的。;〔二〕秩相关系数的计算;;〔三〕秩相关系数的统计推断;第三节

分类变量的关联性分析;例9-3为观察行为类型与冠心病的关系，某研究组收集了3154例冠心病患者的观察资料，对象分为A型和B型。对每个个体分别观察是否为冠心病患者和行为类型两种属性，结果见下表。试分析两种属性的关联性。;〔一〕假设检验;〔二〕计算列联系数;【电脑实验】;SPSS运算过程;SPSS运算过程;SPSS运算结果;【结果解释】;例9-4有研究说明，不同国籍人的血型是不同的。现有2500例不同国籍人的血型分布资料，请问国籍与血型是否有关。;血型与国籍之间无关;【小结】;Pearson积差相关系数;Spearman秩相关;Pearson积差相关和Spearman秩相关的主要联系;Pearson列联系数;;请问：

该研究的目的与设计方法吻合吗？就本例的设计而言，存在任何不妥吗？本例可否采用Pe