医学统计学第五章线性回归ppt课件

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,1,例测某地10名三岁儿童的体重X（kg）与体表面积Y（101m2），,判断X和Y是否是线性相关的。,2,5.1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:,Pearson简单相关分析,3,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“Crosstabs过程”中的“ContingencyCoefficient”计算Pearson列联相关系数,4,2.曲线相关：两变量存在相关趋势，但非线性，而是呈某种可能的曲线趋势。一般都先将变量变换，再将趋势变换为直线来分析，或者采用曲线回归方法来分析。,5.2Bivariate过程,例某医生在不同保存时间（天）的条件下，测得白蛋白与白球蛋白的比值，判断保存时间与白球蛋白比值是否相关？,目的：检验,数据转换或进行等级相关分析,5,实现步骤：,1.将数据录入SPSS并整理加工,定义变量,输入数据,保存,保存为：“时间与比值.sav”,6,2.正态性检验：Analyze|DescriptiveStatistics|Explore(探索性）,可以认为保存时间、白球蛋白比值服从正态分布。,7,【Variables框】用于选入需要进行相关分析的变量，至少需要选入两个。将“保存时间”、“白球蛋白比值”点入“Variables”框。,【CorrelationCoefficients复选框组】用于选择需要计算的相关分析指标。,【Flagsignificantcorrelations】用于确定是否在结果中用星号标记有统计学意义的相关系数，一般选中。此时P0.05的系数值旁会标记一个星号，P0.01的则标记两个星号。,点击“Options”按钮。,3.相关分析过程,菜单“Analyze”|“Correlate”|“Bivariate”命令,8,【Options钮】弹出Options对话框，选择需要计算的描述统计量和统计分析,选择“Meansandstandarddeviations”，点击“Continue”返回上一层对话框。,点击“OK”按钮,9,结果输出和讨论：,分析：左图给出了均值、标准差和样本数目。,分析：Pearson相关系数r为0.995，P=0.0000.9,R2r2,一元线性回归方程中：,越接近于1，回归效果越好。,15,例测某地10名三岁儿童的体重X（kg）与体表面积Y（101m2），,做体表关于体重的回归方程。,实现步骤：,16,17,2.利用Scatter/Dot命令做散点图,菜单“Graphs”|“LegacyDialogs”|“Scatter/Dot”点击“simplescatter”命令，点击“Define”按钮。,18,将“体重”变量选入“XAxis”框，将“体表”选入“YAxis”框中，点击“OK”按钮输出结果。,19,20,(2)正态性检验：Analyze|DescriptiveStatistics|Explore(探索性）,21,3.Regression过程,菜单“Analyze”|“Regression”|“linear”命令,将“体表y”选入【Dependent框】；将“体重x”选入【Independent(s)框】中,点击“Statistics”按钮,22,【Modelfit】输出复相关系数R,其平方，校正决定系数和标准差，以及方差分析表。,选择“Estimates”、“Modelfit”、“Descriptives”，点击“continue”返回。点击“OK”按钮输出结果。,【Estimates】输出有关回归系数和相关测量【Confidenceinterval】输出回归系数95%的置信区间【Descriptives】描述性统计量,23,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：,24,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0.17434,25,分析：可见回归平方和为1.301，剩余平方和,为0.243，F=42.798，P=0.0000.001,拒绝原假设，认为回归方程有统计学意义。,26,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0.05，有显著性意义。,其回归方程为,27,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,28,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A、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。,29,30,实现步骤：,x1:载脂蛋白AI;X2：载脂蛋白B；X3：载脂蛋白EX4：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,31,32,2.正态性检验：Analyze|DescriptiveStatistics|Explore(探索性）,33,34,3.Regression过程,菜单“Analyze”|“Regression”|“linear”命令,将“y”选入【Dependent框】；将“x1、x2、x3、x4选入【Independent(s)框】中在methods中选择“stepwise”。点击“Statistics”按钮,Enter强迫进入Stepwise逐步回归Remove只出不进Backward向后剔除，只出不进Forward向前选择，只进不出,35,选择“Estimates”、“Modelfit”、“Descriptives”，点击“continue”返回。,36,【Options钮】选择进