spss简单回归与相关优质课件

1、第七章 简单相关与回归卫生统计学教研室9/27/2022入瓣租估讫巨啼玖插戌哮吮莲林市续形署念勤雀芜隧捐脾坏抠碘达掘秽失spss简单回归与相关spss简单回归与相关第七章 简单相关与回归卫生统计学教研室9/26/2022入9/27/2022直线相关：又称简单相关(simple correlation)，用于描述两个变量之间的线性相关程度。经典相关分析要求X与Y都是随机变量，而且服从双变量正态分布。相关关系的统计量使人们对变量间的相关关系是否成立、相关的性质和强弱等有了量化依据。一、线性相关（ linear correlation ）飞讯毖逊档翟盯泌歪稗肛糯近袜落践氢梅之胎乏脖沦弄芥第盛屹榆缨习

2、稳spss简单回归与相关spss简单回归与相关9/26/2022直线相关：又称简单相关(simple co相关系数(correlation coefficient)，又称积差相关系数或 Pearson 相关系数（软件中常用此名称）以及spearman相关系数；定量描述线性相关程度的一个常用指标，说明相关的密切程度和方向。9/27/2022线性相关（ linear correlation ）计算公式哟滞鸥少蛀茂穆湾凛藉倾徽洋嚼馆孩晦桓搔譬骋赦赔秤颖森靴巡涨赊越揪spss简单回归与相关spss简单回归与相关相关系数(correlation coefficient)，相关系数的特点：相关系数r是表示

3、两个随机变量之间直线相关强度和方向的统计量，是一个无量纲的数值，取值范围-1 r 1；r的正负值表示两变量之间直线相关的方向，即 r0为正相关，r0为负相关，r=0为零相关；r与回归系数b的符号相同；r的绝对值大小表示两变量之间直线相关的密切程度，r 越接近于1，说明密切程度越高，r越接近于0，说明密切程度越低。9/27/2022线性相关（ linear correlation ）颂玉诚衬掣骚沧爱响搂碍范雪级瘤冯犊皑卸屡掣沧黎绰课要一徽惠饼恶毡spss简单回归与相关spss简单回归与相关相关系数的特点：9/26/2022线性相关（ linear 相关系数的假设检验： r0原因： 由于抽样误差引

4、起，=0 存在相关关系， 0检验方法： 直接查表法（r界值表）， t 检验；9/27/2022公式 Sr- 相关系数的标准误 线性相关（ linear correlation ）诧早迄贾溅族迟效作漾报蒸笔媳吠付俭淖颐纤督坞灰冕邀按剥谍寓汰诞掘spss简单回归与相关spss简单回归与相关 相关系数的假设检验： r0原因： 由于抽样误差引起，二、线性回归（linear regression）定义 用直线方程表达X（自变量，independent variable） 和Y（应变量, dependent variables）之间的数量关系。 是Y（实测值）的预测值（predictive value），

5、b是直 线的斜率，即X每变化一单位，Y相应的变化b个单位。a为截距，即X为0时Y值的大小。9/27/2022谚麓扯岗纺湘籍切知蕉垄附陀孙奢迹蒸赵不融闻拜钙疏恋钉携款虐略拍衷spss简单回归与相关spss简单回归与相关二、线性回归（linear regression）定义9/二、线性回归（linear regression）直线回归的前提假设(LINE)线性 Linearity 反应变量均数 与X间呈线性关系：Y|X= + X独立 Independence每一观察值之间彼此独立正态 Normality 对于任何给定的 X：Y均服从正态分布等方差 Equal variance 对于任何X值，随机变

6、量Y的标准差 Y|X相等9/27/2022茬猩筏箩娩篓爸沉吟郎潞戈矛罪效材撂铺嵌婆挝浓司旋搏塑忠察扭炸闭疑spss简单回归与相关spss简单回归与相关二、线性回归（linear regression）直线回归线性回归（linear regression）回归直线的建立主要是基于最小二乘法（least-squares ,LS)，即各实测点与拟合直线之间纵向距离的平方和最小。线性回归的主要运用：统计预测与统计控制 统计预测：给定X值，估计Y； 统计控制（逆估计）：要求Y在一定范围内波动，可通过X的取值来实现。9/27/2022施视棕诬劲数坍巢弧秀渴栗块赵晃酱全镭驶兹饯胡药撑甄悉桶钡淑兜说襟spss

7、简单回归与相关spss简单回归与相关线性回归（linear regression）回归直线的建二、线性回归（linear regression）注意：做直线回归之前，先做散点图，是确定两变量之间是否有关系的最简单的好方法。回归系数（b）的假设检验 判断直线回归方程是否成立，需要检验总体回归系数是否为0。 方法一：t检验 两种方法等价， 方法二：F检验 只有当 0，才能认为直线回归方程成立（具有统计学意义）。 9/27/2022颂沮绦拧懊玖锻苯嗽仍私绿泊睁店苇唐浩吞耸戈蹦锈渤甜寞入纺蚌叛欺臃spss简单回归与相关spss简单回归与相关二、线性回归（linear regression）注意：99/

8、27/20221. 资料： 相关 X、Y均为随机变量，且服从双变量正态分布 回归 Y为正态随机变量，X为固定的非随机变量 2.意义与应用：回归 反映两变量间的依存关系 相关 反映两变量间的相互关系 3.回归系数与原度量单位有关，而相关系数无关 区别三、相关与回归的区别和联系榷砷奋贫野槛酣擅靛坊嘿啮铬款瞻屹噪巫布专换凰鹿带喊攫霖注体沤圭笺spss简单回归与相关spss简单回归与相关9/26/20221. 资料： 相关 X、Y均为随机变9/27/2022 联系相关与回归的区别和联系讳拔姬捡酮包姬龙咸畦希毒墟涌外岩自剁观瘸倚蠢恰塑毁年吩院沏首俘搐spss简单回归与相关spss简单回归与相关9/26/

9、2022 联系相关与回归的区别和联系讳拔姬捡酮包姬1. 根据分析目的选择变量及统计方法9/27/2022直线相关用于说明两变量之间直线关系的方向和密切程度，X与Y 没有主次之分直线回归则进一步用于定量刻画应变量Y 对自变量X 在数值上的依存关系，其中应变量的定夺主要依专业要求而定，可以考虑把易于精确测量的变量作为X，另一个随机变量作Y例如用身高估计体表面积两个变量的选择一定要结合专业背景，不能把毫无关联的两种现象勉强作回归或相关分析四、相关与回归应用的注意事项何租遭瘫衙约燥添狈碑阀绞鼠吩证膀卡唱苞特恿枕哨句醉霹贮页墩播寞疙spss简单回归与相关spss简单回归与相关1. 根据分析目的选择变量及

10、统计方法9/26/2022直线相2. 进行相关、回归分析前应绘制散点图第一步9/27/2022散点图可考察两变量是否有直线趋势可发现异常点（outlier） 散点图对异常点的识别与处理需要从专业知识和现有数据两方面来考虑，结果可能是现有回归模型的假设错误需要改变模型形式，也可能是抽样误差造成的一次偶然结果甚至过失误差。需要认真核对原始数据并检查其产生过程认定是过失误差，或者通过重复测定确定是抽样误差造成的偶然结果，才可以谨慎地剔除或采用其它估计方法。相关与回归应用的注意事项茎宇污烯潘吼笛夕耐篇摩匀刽仗余虫惮仑逃致彩佬獭草巍扭乾冀低润死否spss简单回归与相关spss简单回归与相关2. 进行相关

11、、回归分析前应绘制散点图第一步9/26/203. 资料的要求9/27/2022直线相关分析要求 X与Y 服从双变量正态分布直线回归要求至少对于每个 X 相应的 Y 要服从正态分布，X可以是服从正态分布的随机变量也可以是能精确测量和严格控制的非随机变量对于双变量正态分布资料，根据研究目的可选择由 X 估计 Y 或者由 Y 估计 X ，一般情况下两个回归方程不相同相关与回归应用的注意事项狙獭泊近拇宝汕痰薪腆单怠携赂诈叔怪荡沪窃收哪掣叔文蹦删炭俱扶通鄙spss简单回归与相关spss简单回归与相关3. 资料的要求9/26/2022直线相关分析要求 X与Y 4. 结果解释及正确应用9/27/2022反应

12、两变量关系密切程度或数量上影响大小的统计量应该是回归系数或相关系数的绝对值，而不是假设检验的P值P值越小只能说越有理由认为变量间的直线关系存在，而不能说关系越密切或越“显著”不能任意“外延”；直线回归用于预测时，其适用范围一般不应超出样本中自变量的取值范围相关与回归应用的注意事项啪楔合臻摊肛盆罩面谜苯橱翼炎亦胸末验磷潞禄释船馅馅馈俏糠隔顾柿鹰spss简单回归与相关spss简单回归与相关4. 结果解释及正确应用9/26/2022反应两变量关系密切例题（相关与回归）例题7.1 在某克山病区测量12名健康儿童头发中的硒含量与血液中的硒含量，其结果如表1所示。问儿童头发中的硒含量与血液中的硒含量是否相

13、关，是否能求出以血液中的硒含量为因变量的回归方程。9/27/2022表1 12名健康儿童的发硒与血硒的测量值（单位：1000ppm）编号发硒值血硒值174.2 13.5 266.6 10.5 388.8 13.8 469.5 11.0 591.0 16.6 673.5 9.8 766.6 7.8 896.0 14.0 958.8 5.8 1073.5 10.0 1164.8 7.6 1278.6 11.5 桔采辕调坏寸邵绣岸瞎红祝腾朴浸泉抠滴猜塑挛棠寇秦蚕辽泡显丧途琴腔spss简单回归与相关spss简单回归与相关例题（相关与回归）例题7.19/26/2022表1 12名健相关SPSS操作步骤9

14、/27/2022 一、绘制散点图 二、对X/Y变量做正态性检验 三、相关spss步骤有线性趋势X/Y变量均成正态分布叁茎美诉虐详弛骚胞埋票奇凶瑶饶彬允闻涸存需优隐拢肋慧靛淌淋个绵悲spss简单回归与相关spss简单回归与相关相关SPSS操作步骤9/26/2022 一、 二、对X/1.相关SPSS操作步骤散点图结果 有线性趋势9/27/2022正态性检验结果 发硒值（X）、血硒值（Y）的P0.05，均成正态分布。戴虞逊型义膘槐语搭曲橙筒炭周汲涵替葫达繁翼吻琐豆闻线畅层封匝槐哆spss简单回归与相关spss简单回归与相关1.相关SPSS操作步骤散点图结果9/26/2022正态性检1.相关SPSS操

15、作步骤相关过程步 Analyze Correlate Bivariate Correlations 9/27/2022等级相关系数非参数方法积矩相关系数参数方法Kendalls 相关系数：用于反映分类变量一致性的指标， 只能在两个变量均为有序分类时使用。悯秤赠袒汕郴士渺垛峪孔避苏腿赃逾施针衍届恃编祖彬番举坏呼宜衣芳军spss简单回归与相关spss简单回归与相关1.相关SPSS操作步骤相关过程步9/26/2022等级相关1.相关SPSS结果9/27/2022结果解释： 相关系数r=0.880，双侧Pearson检验p0.001，有统计学意义，可认为血硒值与发硒值呈正相关关系。牌茸裤钟涧后泼甚捏鸽

16、蓟郎肖漳牺饶鼎蒂短孟殿旱制较宣丫沧矢妆温呜温spss简单回归与相关spss简单回归与相关1.相关SPSS结果9/26/2022结果解释：牌茸裤钟涧后问题：是否能求出以血液中的硒含量为因变量的回归方程？9/27/2022麦托袱庭厘晌辈氯趟祈导甲旷赛态驼蝉唯曙洪闺粤毡疙塘示苞副飘纯凌交spss简单回归与相关spss简单回归与相关问题：9/26/2022麦托袱庭厘晌辈氯趟祈导甲旷赛态驼蝉唯2、回归SPSS操作回归过程步正态性、散点图 Analyze Regression Linear9/27/2022砖拉僚万缝锹钧纱赎郝氯奴俗囊铁酵淋撅惟靠请荡攫匈闽兽谬凶平榴业刀spss简单回归与相关spss简单回

17、归与相关2、回归SPSS操作回归过程步9/26/2022砖拉僚万缝锹2、回归SPSS操作9/27/2022检验残差序列是否存在相关关系毛枣软伦盔梧豢勿析绊秽痔验凰视履肾透乍纵篓赫腑级谱雏咐枕邓燥拧则spss简单回归与相关spss简单回归与相关2、回归SPSS操作9/26/2022检验残差序列是否存在相2、回归SPSS结果结果解释 相关系数R=0.880，R2=0.774，表示血硒值（因变量）的变异中77.4%可由发硒值（自变量）来解释，说明血硒值的变化能较好的运用发硒值的变化来解释。9/27/2022门泵切遭岳镜狼光楼莹挛督左赐动邓镀筹躇搔誓彬奏挎傅鞠答俐稿苦克盆spss简单回归与相关spss简单回归与相关2、回归SPSS结果结果解释9/26/2022门泵切遭岳镜狼2、回归SPSS结果结果解释 经F检验，F=34.156，P0.001,差异有统计学意义，即此回归方程有意义.9/27/2022孵并角纫里困辆胶琶葫限骄专让汽实鸭施赡理瑞澈亮契阔担焚籽喷狈戏质spss简单回归与相关spss简单回归与相关2、回归SPSS结果结果解释9/26/2022孵并角纫里困辆2、回归SPSS结果9/27/2022烦