相關(guān)與回歸分析課件

*1相關(guān)與回歸分析*2相關(guān)與回歸分析雙變量相關(guān)分析線性回歸曲線估計(jì)兩條回歸直線的比較*3第一節(jié)雙變量相關(guān)分析一、Pearson相關(guān)分析二、Spearman等級(jí)相關(guān)*4例1表1為一項(xiàng)關(guān)于兒童健康和發(fā)展的研究中10名學(xué)齡兒童的身高和體重資料。表110名學(xué)齡兒童的身高和體重一、Pearson相關(guān)分析

*5建立數(shù)據(jù)文件：身高體重的相關(guān)分析.sav.定義變量*6建立數(shù)據(jù)文件：身高體重的相關(guān)分析.sav.定義變量輸入數(shù)據(jù)*7建立數(shù)據(jù)文件：身高體重的相關(guān)分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析：繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：身高→YAxis，體重→XAxis*8建立數(shù)據(jù)文件：身高體重的相關(guān)分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖假定滿足雙變量正態(tài)分布：analyze→Correlate→Bivariate定義變量：身高，體重→Variables*9建立數(shù)據(jù)文件：身高體重的相關(guān)分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖假定滿足雙變量正態(tài)分布：analyze→Correlate→Bivariate定義變量：身高，體重→Variables選擇統(tǒng)計(jì)量：CorrelationCoefficients→Pearson*10主要結(jié)果——散點(diǎn)圖*11主要結(jié)果總體相關(guān)系數(shù)=0的假設(shè)檢驗(yàn)的P值Pearson相關(guān)系數(shù)*12練習(xí)1某醫(yī)生測(cè)得10名正常成年男性的血漿清蛋白含量（g/L）及血紅蛋白含量（g/L）數(shù)據(jù)如下，試問(wèn)兩者有無(wú)相關(guān)關(guān)系？*13例2某研究者研究10例6個(gè)月~7歲的貧血患兒的血紅蛋白含量與貧血體征之間的相關(guān)性，結(jié)果見(jiàn)表3，請(qǐng)問(wèn)貧血患兒的血紅蛋白含量與貧血體征之間是否相關(guān)?二、Spearman等級(jí)相關(guān)

*14建立數(shù)據(jù)文件：血紅蛋白的等級(jí)相關(guān)分析.sav.定義變量*15建立數(shù)據(jù)文件：血紅蛋白的等級(jí)相關(guān)分析.sav.定義變量輸入數(shù)據(jù)*16建立數(shù)據(jù)文件：血紅蛋白的等級(jí)相關(guān)分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析analyze→Correlate→Bivariate定義變量：血紅蛋白，貧血體征→Variables*17建立數(shù)據(jù)文件：血紅蛋白的等級(jí)相關(guān)分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析analyze→Correlate→Bivariate定義變量：血紅蛋白，貧血體征→Variables選擇統(tǒng)計(jì)量：CorrelationCoefficients→Spearman*18主要結(jié)果總體相關(guān)系數(shù)=0的假設(shè)檢驗(yàn)的P值Spearman相關(guān)系數(shù)*19練習(xí)2將例2的數(shù)據(jù)進(jìn)行秩變換，對(duì)變換后的變量進(jìn)行Pearson相關(guān)分析。*20練習(xí)3某醫(yī)院用復(fù)方豬膽膠囊治療219例慢性支氣管炎，結(jié)果見(jiàn)下表。問(wèn)患者療效與年齡間有無(wú)關(guān)聯(lián)?*21第二節(jié)線性回歸分析一、簡(jiǎn)單線性回歸分析二、多重線性回歸分析*22例3表1為一項(xiàng)關(guān)于兒童健康和發(fā)展的研究中10名學(xué)齡兒童的身高和體重資料。表110名學(xué)齡兒童的身高和體重一、簡(jiǎn)單線性回歸分析

*23建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量*24建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)*25建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析：繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：體重→YAxis，身高→XAxis*26建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)*27建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives*28建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives繪制殘差圖：Plots→DEPENDNT→X:,*ZRESID(標(biāo)準(zhǔn)化殘差）→Y:*29建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：Save→→PredictedValues→Unstandardize，→PredictionIntervals→Mean，Individual*30建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：在散點(diǎn)圖中添加置信帶和預(yù)測(cè)帶：雙擊散點(diǎn)圖進(jìn)行添加，Element→FitLineattotal*31建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：在散點(diǎn)圖中添加置信帶和預(yù)測(cè)帶：雙擊散點(diǎn)圖進(jìn)行添加，Element→FitLineattotal→ConfidenceIntervals→Mean（Individual）*32主要結(jié)果——散點(diǎn)圖*33主要結(jié)果*34主要結(jié)果*35主要結(jié)果確定系數(shù)調(diào)整確定系數(shù)*36主要結(jié)果對(duì)總體回歸模型檢驗(yàn)的F值對(duì)總體回歸模型檢驗(yàn)的P值*37主要結(jié)果回歸系數(shù)（第一行為截距，第二行為斜率）總體回歸系數(shù)=0的假設(shè)檢驗(yàn)的t值回歸系數(shù)的標(biāo)準(zhǔn)誤標(biāo)準(zhǔn)化回歸系數(shù)總體回歸系數(shù)=0的假設(shè)檢驗(yàn)的P值總體回歸系數(shù)的95%置信區(qū)間*38主要結(jié)果殘差圖*39*40練習(xí)4某研究者測(cè)量了16名成年男子的體重和臀圍數(shù)據(jù)，如下表所示。(1)請(qǐng)判斷是否可以用線性回歸來(lái)表達(dá)臀圍和體重的關(guān)系，若可以，請(qǐng)用該數(shù)據(jù)建立用體重預(yù)測(cè)臀圍的線性回歸模型。(2)今有2名成年男子的體重分別為62kg和88kg，是否可以利用上述回歸模型估計(jì)二人的臀圍數(shù)據(jù)？若可以，請(qǐng)計(jì)算臀圍總體均數(shù)的95%置信區(qū)間和臀圍的95%預(yù)測(cè)區(qū)間。*41練習(xí)5FrankAnscombe(1973)給出了下列四組雙變量X和Y的樣本數(shù)據(jù)，其中Y1、Y2、Y3共用X，如下表所示。請(qǐng)對(duì)這四組數(shù)據(jù)分別進(jìn)行線性回歸分析，并加以討論。*42例4為了研究有關(guān)糖尿病患者體內(nèi)脂聯(lián)素水平的影響因素，某醫(yī)師測(cè)定了30名患者的體重指數(shù)BMI（kg/m2）、病程DY（年）、瘦素LEP（ng/mL）、空腹血糖FPG（mmol/L）及脂聯(lián)素ADI（ng/mL）水平，數(shù)據(jù)如表6所示，能否用多重線性回歸表達(dá)他們的關(guān)系，若可以，建立多重線性回歸方程。二、多重線性回歸分析

*43*44建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量*45建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)*46建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析：繪制散點(diǎn)圖：Graphs→Scatter→MatrixScatter→Define定義變量：體重指數(shù)、病程、瘦素、孔府血糖、脂聯(lián)素→MatrixVariables*47建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)*48建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives*49建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives繪制殘差圖：Plots→DEPENDNT→X:,*ZRESID(標(biāo)準(zhǔn)化殘差）→Y:*50主要結(jié)果——散點(diǎn)圖*51主要結(jié)果*52主要結(jié)果*53主要結(jié)果確定系數(shù)調(diào)整確定系數(shù)復(fù)相關(guān)系數(shù)*54主要結(jié)果對(duì)總體回歸模型檢驗(yàn)的F值對(duì)總體回歸模型檢驗(yàn)的P值*55主要結(jié)果偏回歸系數(shù)總體偏回歸系數(shù)=0的假設(shè)檢驗(yàn)的t值偏回歸系數(shù)的標(biāo)準(zhǔn)誤標(biāo)準(zhǔn)化偏回歸系數(shù)總體偏回歸系數(shù)=0的假設(shè)檢驗(yàn)的P值總體偏回歸系數(shù)的95%置信區(qū)間*56主要結(jié)果殘差圖*57例5對(duì)例4的數(shù)據(jù)選擇最優(yōu)模型。*58Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)*59Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇篩選最優(yōu)模型的方法Mehtod→Stepwise*60主要結(jié)果——引入的變量剔除的變量最優(yōu)模型*61主要結(jié)果最優(yōu)模型*62主要結(jié)果最優(yōu)模型*63其他篩選最優(yōu)模型的方法，大家自己練習(xí)。*64練習(xí)6考慮有四個(gè)與某疾病有關(guān)的因素與該病的患病率資料如下表所示，試用該數(shù)據(jù)進(jìn)行多重回歸分析。*65練習(xí)7下表是隨機(jī)抽取的11名兒童的智力測(cè)試數(shù)據(jù)，試以IQ為因變量擬合多重線性回歸模型。并討論本例應(yīng)用回歸分析所存在的問(wèn)題。*66第三節(jié)曲線估計(jì)*67例6某研究者測(cè)得某女童1~9月的身高數(shù)據(jù)，如下表所示。試用合適的回歸模型描述該月齡段女童的身高隨時(shí)間變化的規(guī)律。*68建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量*69建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)*70建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：身高→YAxis，時(shí)間→XAxis*71觀察身高與時(shí)間的趨勢(shì)關(guān)系—近似對(duì)數(shù)曲線關(guān)系*72建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：身高→YAxis，時(shí)間→XAxisanalyze→Regression→CurveEstimation定義變量：身高→Dependent（