卫生统计学-spss上机关联性分析office

直线相关和回归目的和要求：熟悉SPSS中回归和相关的分析方法，通过SPSS建立回归方程，计算相关系数，从而进一步认识它们之间的联系和区别。掌握结果的分析和解释。直线相关和回归的区别及联系：一区别：资料的要求不同回归：y服从正态分布,x可以是严密控制、精确测量的数据。相关：x、y服从双变量正态分布应用情况不同回归：反映两变量相互依存的数量关系相关：反映两变量间相关方向和密切程度

b和r的涵义、计算公式、单位、取值范围不同。

二联系：

对于双变量正态数据：同时计算相关系数r和回归系数b，正负号是一致的r和b的假设检验等价可以用相关来解释回归

实例：某地一年级12名女大学生的肺活量Y(L)和体重X(㎏)的数据，如下：表1某地一年级12名女大学生的肺活量(L)和体重(㎏)直线回归

建立回归方程，可以回答问题：随着体重的变化，女大学生的肺活量如何变化？步骤：1.作散点图，确定有无线性趋势

※2.考察数据的分布，即分析y变量的正态性、方差齐等问题。

3.建立回归方程

4.对方程及其参数进行估计与假设检验第一步:数据录入设置两个变量：X代表体重(㎏)Y代表肺活量(L)第二步:统计分析1.绘制散点图选择菜单项Graphs

Scatter/Dot...

SimpleScatterDefine:YAxis框:yXAxis框:xok散点图结果解释

从图中可见，体重和肺活量有比较明显的线性趋势，也没有发现影响过强的异常点。可以进行回归分析。2.正态性检验绘制P-P图或Q-Q图GraphsP-P

Variables：XY

OK

正态性检验结果

3.选择菜单项Analyze

Regression

LinearDependent框:YIndependent框:X

Method:enter(默认)点击按钮statistics:选中Estimate(默认)和Modelfit(默认)0k模型总结介绍了模型拟合优度的情况：决定系数R2=SS回/SS总=0.562,它的值越大，说明方程拟合的效果越好剩余标准差（残差标准差）Syx=0.28775，它的值越小，说明方程拟合的效果越好

回归方程的方差分析

P=0.005，按0.05的检验水准拒绝H0接受H1，故可以认为该地一年级女大学生的肺活量和体重之间存在线性依存关系。

回归系数的检验结果1.截距b0=0.00041,回归系数b=0.059

直线回归方程：2.tb=3.580，P=0.005，按0.05的检验水准拒绝H0接受H1，故可以认为该地一年级女大学生的肺活量和体重之间存在线性依存关系，所求回归方程成立。直线相关

计算直线相关系数，可以回答问题：女大学生的体重和肺活量之间的关系如何（相关的方向与密切程度）？步骤：1.作散点图，确定有无线性趋势

※2.考察数据的分布，即分析变量x和

y的正态性、方差齐等问题。

3.对相关系数进行假设检验第一步:数据录入设置两个变量：X代表体重(㎏)Y代表肺活量(L)第二步:统计分析选择菜单项Analyze

correlatebivariateVariables框:X,YCorrelationCoefficients框:

pearson(默认)Testofsignificance:Two-tailed(默认)选中Flagsignificancecorrelation(默认)第三步:结果解释

从图中可见，体重和肺活量有比较明显的直线相关趋势，也没有发现影响过强的异常点。可以进行相关分析。

X和y的相关系数r=0.749,对r假设检验的P=0.005，

即按0.05的检验水准拒绝H0接受H1，可以认为该地一年级女大学生的肺活量和体重之间存在线性相关关系，相关系数大小为0.749，比较接近1，表示有较强的正相关。一般认为：r<0.4，低度相关；r位于0.4—0.7间，中度相关；r>0.7，高度相关。秩相关（rankcorrelation）秩相关属于非参数统计方法基本原理是利用两变量的秩次大小进行直线相关分析，对变量的分布类型不作要求通常用于下列情况：连续型两变量不满足双变量正态分布总体分布类型未知等级变量相关分析两名放射科医师对十三名肺炎患者胸部X线片肺门阴影密度级别各自做出诊断，结果如下，问两等级评定结果间是否存在相关关系？

第一步:数据录入设置两个变量：X代表甲医师的评定结果,定义X值标签：0为－，1为±，2为＋，3为＋＋，4为＋＋＋。Y代表乙医师的评定结果，定义Y值标签：0为－，1为±，2为＋，3为＋＋，4为＋＋＋。第二步:统计分析选择菜单项Analyze

correlatebivariateVariables框:X,YCorrelationCoefficients框:spearmanSpearman秩相关Testofsignificance:Two-tailed(默认)选中Flagsignificancecorrelation(默认)第三步:结果解释结果可见：r=0.808，P=0.001，可以认为两等级评定结果存在相关关系。分类变量的关联性分析两个定量变量的关联性可用Pearson积矩相关系数或秩相关系数来描述两个分类变量间的关联性可用Pearson列联系数来描述——独立性卡方检验某矿工医院探讨矽肺不同期次患者的胸部平片肺门密度变化，把492名患者资料归纳下表所示，问矽肺患者肺门密度的增加与矽肺期次有无关系？表3硅沉着病的不同期次与肺门密度级别硅沉着病期次肺门密度级别合计ⅠⅡⅢⅠ4318814245Ⅱ19672169Ⅲ6175578合计50301141492设置两个变量：X代表肺门密度Y代表矽肺期次

F

代表频数（权重变量）第一步:数据录入第二步:统计分析Data

WeightCasesWeightCasesby:FrequencyVariable框：F

OK选择菜单项Analyze

Descript