双变量回归与相关正式讲稿.ppt

《双变量回归与相关正式讲稿.ppt》由会员分享，可在线阅读，更多相关《双变量回归与相关正式讲稿.ppt（93页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、双变量回归与相关正式第一页，讲稿共九十三页哦2 讲课内容：讲课内容：第一节第一节 直线回归直线回归(重点重点)第二节第二节 直线相关直线相关(重点重点)第三节第三节 秩相关秩相关 第六节第六节 两条回归直线的比较两条回归直线的比较 第七节第七节 曲线拟合曲线拟合第二页，讲稿共九十三页哦3 第第2、第第3、第第4章介绍了计量资料章介绍了计量资料单变量单变量的统的统 计描述与统计推断：计描述与统计推断：P.13 例例2-1：计算计算101名成年女子名成年女子血清总胆固血清总胆固 醇醇的平均指标与变异指标。的平均指标与变异指标。P.51 例例3-7：比较阿卡波糖胶囊比较阿卡波糖胶囊(试验组试验组)与

2、拜与拜 糖苹胶囊糖苹胶囊(对照组对照组)降低糖尿病人的降低糖尿病人的空腹血糖值空腹血糖值 有无差别。有无差别。P.73 例例4-2：比较安慰剂组、降血脂新药比较安慰剂组、降血脂新药2.4g 组、降血脂新药组、降血脂新药4.8g组、降血脂新药组、降血脂新药7.2g组降组降 低患者的低患者的低密度脂蛋白含量低密度脂蛋白含量有无差别。有无差别。第三页，讲稿共九十三页哦4在医学研究中常要分析在医学研究中常要分析两变量两变量间或间或多变多变 量间量间的关系：的关系：年龄与血压年龄与血压 药物剂量与动物死亡率药物剂量与动物死亡率 肺活量与身高、体重、胸围和肩宽等肺活量与身高、体重、胸围和肩宽等 第四页，讲

3、稿共九十三页哦5p事物间的相关关系事物间的相关关系l确定性关系确定性关系 两变量间的函数表达式两变量间的函数表达式 圆的周长与半径的关系：圆的周长与半径的关系：C2 R 路程与速度、时间的关系：路程与速度、时间的关系：LST 数学中数学中X与与Y的直线函数关系：的直线函数关系：Ya+bX l非确定性关系非确定性关系 两变量间存在关系，但未精两变量间存在关系，但未精 确到可以用函数表达式来描述。确到可以用函数表达式来描述。年龄与血脂的关系；年龄与血脂的关系；身高与体重的关系；身高与体重的关系；体重与体表面积的关系。体重与体表面积的关系。第五页，讲稿共九十三页哦6第一节第一节 直线回归直线回归Li

4、near Regression第六页，讲稿共九十三页哦7一、直线回归的概念一、直线回归的概念“回归回归”是一个借用已久因而相沿成习是一个借用已久因而相沿成习 的统计学术语。的统计学术语。直线回归是分析直线回归是分析成对观测数据成对观测数据中两变量中两变量 间间线性依存关系线性依存关系的方法。的方法。第七页，讲稿共九十三页哦8生物遗传学上的生物遗传学上的“回归回归”Pearson K(英英,18571936)1903年搜集了年搜集了1078个家庭人员的身高、前臂长等指标的记录，个家庭人员的身高、前臂长等指标的记录，发现儿子身高发现儿子身高(Y,英寸英寸)与父亲身高间与父亲身高间(X,英寸英寸)存

5、在线性依存关系：存在线性依存关系：=33.73+0.516 X 但不少身材高的父亲的儿子成年后身高比其但不少身材高的父亲的儿子成年后身高比其父亲矮，不少身材矮的父亲的儿子成年后身父亲矮，不少身材矮的父亲的儿子成年后身高比其父亲高。高比其父亲高。Galton F(英英,18221911)将这种现象称之将这种现象称之为子一代身高向人群平均身高的为子一代身高向人群平均身高的“回归回归”。第八页，讲稿共九十三页哦9Regression 释义释义第九页，讲稿共九十三页哦10Francis GaltonFrancis Galton 爵士爵士(英英,18221911)是达尔文是达尔文(Charles Dar

6、win)的表的表弟。他对统计学的主要弟。他对统计学的主要贡献是提出贡献是提出“相关相关”与与“回归回归”的概念，用统的概念，用统计方法对进化论中的变计方法对进化论中的变异进行研究，开创了生异进行研究，开创了生物统计学。物统计学。第十页，讲稿共九十三页哦11Karl PearsonKarl Pearson(英英,18571936)是是Francis Galton 的得意门生，的得意门生，他开创了统计方法学。他开创了统计方法学。他对统计学的主要贡他对统计学的主要贡献：变异数据的处理、献：变异数据的处理、分布曲线的选配、卡分布曲线的选配、卡方检验的提出、回归方检验的提出、回归与相关的发展。与相关的发

7、展。第十一页，讲稿共九十三页哦12天文学上的天文学上的“回归回归”地球绕太阳公转，在公转的同时本身还自转，地球绕太阳公转，在公转的同时本身还自转，在本身自转的同时地球的假设轴心还来回摆动。在本身自转的同时地球的假设轴心还来回摆动。由于地球轴心的来回摆动，太阳光垂直照射到由于地球轴心的来回摆动，太阳光垂直照射到地球上就有南、北两个极限位置地球上就有南、北两个极限位置(南、北纬南、北纬23027)，分别称南、北回归线，太阳光对赤道分别称南、北回归线，太阳光对赤道“回归回归”垂直照射到南、北回归线的时间分别垂直照射到南、北回归线的时间分别为我国农历的冬至与夏至。为我国农历的冬至与夏至。第十二页，讲稿

8、共九十三页哦13日常生活中的日常生活中的“回归回归”现象现象 1岁姜二狗，岁姜二狗，7岁姜二狗同学，岁姜二狗同学，20岁小姜同志，岁小姜同志，30岁姜科长，岁姜科长，40岁姜处长，岁姜处长，50岁姜局长，岁姜局长，60岁岁姜老，姜老，70岁老姜，岁老姜，80岁姜二狗。岁姜二狗。目前目前“回归回归”已成为表示变量之间已成为表示变量之间数量依存关数量依存关系系的统计术语，并且衍生出的统计术语，并且衍生出“回归方程回归方程”、“回归系数回归系数”等统计学概念。等统计学概念。第十三页，讲稿共九十三页哦14例例 某地方病研究所调查了某地方病研究所调查了8名正常儿童的尿肌酐名正常儿童的尿肌酐含量含量(mm

9、ol/24h),试估计尿肌酐含量试估计尿肌酐含量(Y)对其年龄对其年龄(X)的回归方程。的回归方程。第十四页，讲稿共九十三页哦15年龄（岁）年龄（岁）X尿尿肌肌酐酐含含量量Y(mmol/24h)hat第十五页，讲稿共九十三页哦16各散点呈直线趋势各散点呈直线趋势但并非均在一条直线上但并非均在一条直线上根据原始数据拟合的直线方程与数理根据原始数据拟合的直线方程与数理 上二元一次函数方程在内涵上有区别，上二元一次函数方程在内涵上有区别，称为称为直线回归方程直线回归方程。第十六页，讲稿共九十三页哦17二、直线回归方程的求法二、直线回归方程的求法最小二乘法最小二乘法在所有直线中最小在所有直线中最小第十

10、七页，讲稿共九十三页哦18年龄（岁）年龄（岁）X尿尿肌肌酐酐含含量量Y(mmol/24h)(8,2.8)(12,3.3)第十八页，讲稿共九十三页哦19 b 的意义的意义斜率斜率(slope)年龄每增加年龄每增加1岁岁,尿肌酐含量平均增加尿肌酐含量平均增加0.1392(mmol/24h)b的单位为的单位为(Y的单位的单位/X的单位的单位)第十九页，讲稿共九十三页哦20a 截距截距(intercept,constant)X=0 时，时，Y的估计值的估计值a的单位与的单位与Y值相同值相同当当X可能取可能取0时，时，a才有实际意义。才有实际意义。a 的意义的意义第二十页，讲稿共九十三页哦21回归直线的

11、有关性质回归直线的有关性质直线通过均点直线通过均点 各各点点到到该该回回归归线线纵纵向向距距离离平平方方和和较较到到其其它它任何直线者为小。任何直线者为小。为来自为来自的一个样本的一个样本对于对于X各个取值，相应各个取值，相应Y的总体均数的总体均数第二十一页，讲稿共九十三页哦22XY第二十二页，讲稿共九十三页哦23三、直线回归方程中的统计推断三、直线回归方程中的统计推断（一）回归方程的假设检验（一）回归方程的假设检验1.1.方差分析方差分析（1 1）建立检验假设并确定检验水准）建立检验假设并确定检验水准 H0:=0 H1:0 =0.05的分解的分解重点重点第二十三页，讲稿共九十三页哦24因变量

12、因变量Y总变异总变异 的分解的分解X Y Y第二十四页，讲稿共九十三页哦25SS总总=SS回回+SS残残第二十五页，讲稿共九十三页哦26未引进回归时的总变异：未引进回归时的总变异：(sum of squares of deviation from mean)引进回归以后的剩余变异引进回归以后的剩余变异:(sum of squares of residuals)回归的贡献，回归平方和：回归的贡献，回归平方和：(sum of squares due to regression)Y的总变异分解的总变异分解第二十六页，讲稿共九十三页哦27(3)计算检验统计量计算检验统计量F值值SS总总=lYY=1.0

13、462 SS回回=blXY=l2XY/lXX=5.8452/42=0.8134SS残残=SS总总SS回回=1.04620.8134=0.2328v总总=v回回+v剩剩v总总=n1,v回回=1,v残残=n2第二十七页，讲稿共九十三页哦28F0.01(1,6)=13.74第二十八页，讲稿共九十三页哦292.t 检验检验回归的剩余标准差回归的剩余标准差扣除了扣除了X的影响后的影响后Y方面的变异方面的变异;引进回归方程后引进回归方程后,Y方面的变异。方面的变异。第二十九页，讲稿共九十三页哦30（2）计算检验统计量）计算检验统计量 t 值值（1）建立检验假设并确定检验水准）建立检验假设并确定检验水准（3

14、）确定）确定P值下结论值下结论 第三十页，讲稿共九十三页哦31（二）总体回归系数（二）总体回归系数 的可信区间的可信区间此区间不包括此区间不包括=0，结论为，结论为b有统计学意义。有统计学意义。第三十一页，讲稿共九十三页哦32（三）利用回归方程进行估计与预测（三）利用回归方程进行估计与预测1.总体均数总体均数 的可信区间的可信区间:给定给定X后对应后对应Y的总体均数的总体均数给定给定X后对应后对应Y的样本均数的样本均数第三十二页，讲稿共九十三页哦332.个体个体Y值的容许区间值的容许区间 给定给定X后对应个体后对应个体Y值波动范围值波动范围第三十三页，讲稿共九十三页哦34 X Y (体重体重,

15、kg)(体表面积体表面积,103cm2)11.0 5.28311.8 5.29912.0 5.35812.3 5.29213.15.60213.7 6.01414.4 5.83014.9 6.10215.2 6.07516.0 6.411例例 某地某地10名三岁儿童体重与体表面积名三岁儿童体重与体表面积第三十四页，讲稿共九十三页哦351112131415164.55.05.56.06.57.0可信区间可信区间与与容许区间容许区间示意示意(confidence band&tolerance band)X 体重体重Y 体体表表面面积积第三十五页，讲稿共九十三页哦36第二节第二节 直线相关直线相关L

16、inear Correlation第三十六页，讲稿共九十三页哦37生物遗传学上的生物遗传学上的“相关相关”在回归分析中，有理由认为父亲身高决定儿子身高，在回归分析中，有理由认为父亲身高决定儿子身高，故把父亲身高作为自变量故把父亲身高作为自变量X，儿子身高作为应变量，儿子身高作为应变量Y。Pearson K(英英,18571936)在对同一家庭中兄弟在对同一家庭中兄弟与姐妹身高间关系进行分析时，发现两者难以象与姐妹身高间关系进行分析时，发现两者难以象父亲与儿子身高间关系那样区别自变量父亲与儿子身高间关系那样区别自变量X与应变与应变量量Y，也不必计算回归方程。，也不必计算回归方程。Galton F

17、(英英,18221911)将这种现象称之为将这种现象称之为“相相关关”。第三十七页，讲稿共九十三页哦38 当一个变量增大，另一个也随之增大当一个变量增大，另一个也随之增大(或或减少减少)，我们称这种现象为共变，或相关。，我们称这种现象为共变，或相关。两个变量有共变现象，称为有相关关系两个变量有共变现象，称为有相关关系。相关关系不一定是因果关系。相关关系不一定是因果关系。一、直线相关的概念一、直线相关的概念第三十八页，讲稿共九十三页哦39相互关系示意图相互关系示意图r=0(h)r 0(f)r-1(d)r1(b)0r1(a)-1r0(c)r 0(e)r 0(g)零相关正相关负相关完全正相关完全负相

18、关零相关零相关零相关第三十九页，讲稿共九十三页哦40相关系数的性质相关系数的性质两变量间的线性关系密切程度与相关方两变量间的线性关系密切程度与相关方 向用直线相关系数向用直线相关系数r表示。表示。1 r 1r0为正相关为正相关r0为负相关为负相关r0为零相关或无相关为零相关或无相关第四十页，讲稿共九十三页哦41二、相关系数的意义与计算二、相关系数的意义与计算 Pearson 相关系数相关系数 标准化后的协方差标准化后的协方差第四十一页，讲稿共九十三页哦42第四十二页，讲稿共九十三页哦43三、相关系数的统计推断三、相关系数的统计推断（一）相关系数的假设检验（一）相关系数的假设检验尿肌酐含量与年龄

19、之间无直线相关关系尿肌酐含量与年龄之间无直线相关关系第四十三页，讲稿共九十三页哦44附表附表2附表附表13第四十四页，讲稿共九十三页哦45（二）总体相关系数的可信区间（二）总体相关系数的可信区间相关系数的抽样分布在相关系数的抽样分布在 0时呈偏态分布时呈偏态分布Z的的1-可信区间：可信区间：变换后变换后r的的1-可信区间：可信区间：Z变换后服从正态分布变换后服从正态分布第四十五页，讲稿共九十三页哦46相关系数的抽样分布相关系数的抽样分布(|=0.8，n=100，1000次抽样次抽样)-0.8-0.6-0.4-0.2 0.00100200300-1.0 00.20.40.60.81.001002

20、00300 =-0.8 =0.8第四十六页，讲稿共九十三页哦47R.A.Fisher(1921)R.A.Fisher(1921)的的的的 z z 变换变换变换变换 z 近似服从均数为近似服从均数为 ，标准差为标准差为 的正态分布。的正态分布。第四十七页，讲稿共九十三页哦48相关系数的相关系数的相关系数的相关系数的z z变换值的抽样分布变换值的抽样分布变换值的抽样分布变换值的抽样分布(=-0.8)=-0.8)00.51.01.52.0050100150200-0.8-0.6-0.4-0.2 0.00100200300-1.0变换前变换前变换后变换后第四十八页，讲稿共九十三页哦49相关系数的相关系

21、数的相关系数的相关系数的z z变换值的抽样分布变换值的抽样分布变换值的抽样分布变换值的抽样分布(=0.8)=0.8)01234050100150200 00.20.40.60.81.00100200300变换前变换前变换后变换后第四十九页，讲稿共九十三页哦50相关系数的可信区间估计相关系数的可信区间估计相关系数的可信区间估计相关系数的可信区间估计1.将将 r 变换为变换为 z。2.根据根据 z 服从正态分布，估计服从正态分布，估计 z 的可信区间。的可信区间。3.再将再将 z 变换回变换回 r。第五十页，讲稿共九十三页哦51求求得得8名名健健康康成成人人血血清清总总胆胆固固醇醇与与低低密密度度

22、脂脂蛋蛋白白胆胆固固醇醇含含量量间间的的 r=0.974，试试求求总总体体相相关关系系数数 的的95%可信区间。可信区间。总体相关系数总体相关系数的的95%可信区间可信区间：（0.8587 0.9954）z的的95%可信区间：可信区间：第五十一页，讲稿共九十三页哦52四、决定系数四、决定系数 0 R2 1 Y的总变异中回归关系所能解释的百分比的总变异中回归关系所能解释的百分比 年龄可解释尿肌酐含量变异性的年龄可解释尿肌酐含量变异性的77.75%第五十二页，讲稿共九十三页哦53五、直线回归与直线相关的区别与联系五、直线回归与直线相关的区别与联系p 区别区别 ur没有单位，没有单位，b有单位；有单

23、位；u相关表示相互关系，没有依存关系；相关表示相互关系，没有依存关系；回归有依存关系；回归有依存关系；u对资料的要求不同：对资料的要求不同：当当X和和Y都是随机的，可以进行相关和回都是随机的，可以进行相关和回 归分析；归分析；当当Y是随机变量，是随机变量，X是控制变量时，理论是控制变量时，理论 上只能作回归而不能作相关分析；上只能作回归而不能作相关分析；第五十三页，讲稿共九十三页哦54p 区别区别 uI型回归：型回归：Y是随机变量，是随机变量，X是控制变量；是控制变量；II型回归：型回归：Y与与X均是随机变量。均是随机变量。u同一资料中由同一资料中由X推算推算Y与由与由Y推算推算X的回归方程的

24、回归方程不同：不同：第五十四页，讲稿共九十三页哦55p 联系联系u均表示线性关系均表示线性关系u符号相同：共变方向一致符号相同：共变方向一致假设检验结果相同：假设检验结果相同：tr=tb 可以互相换算：可以互相换算：第五十五页，讲稿共九十三页哦56六、直线回归与相关应用的注意事项六、直线回归与相关应用的注意事项相关：相关：X与与Y没有主次，为双向。没有主次，为双向。回归：回归：Y依依X变化而变化，为单向。变化而变化，为单向。自变量的选择：自变量的选择：原因、容易测量、变异小原因、容易测量、变异小要有实际意义。要有实际意义。1.根据分析目的选择变量及统计方法根据分析目的选择变量及统计方法第五十六

25、页，讲稿共九十三页哦57孩子的身高与小树孩子的身高与小树的高度间显示出显的高度间显示出显著的相关性著的相关性第五十七页，讲稿共九十三页哦58有无异常点，谨慎剔除。有无异常点，谨慎剔除。2.进行相关、回归分析前要绘制散点图，进行相关、回归分析前要绘制散点图，进行判断进行判断第五十八页，讲稿共九十三页哦59离群值对相关的影响离群值对相关的影响第五十九页，讲稿共九十三页哦60样本的间杂性对相关性的误导样本的间杂性对相关性的误导第六十页，讲稿共九十三页哦613.用残差图考察数据是否符合模型假设条件用残差图考察数据是否符合模型假设条件 Y与与X为线形关系为线形关系误差服从均数为误差服从均数为0的正态分布

26、的正态分布方差相等方差相等各观察单位独立各观察单位独立回归模型应用前提条件：回归模型应用前提条件：第六十一页，讲稿共九十三页哦62e0第六十二页，讲稿共九十三页哦630000eeee第六十三页，讲稿共九十三页哦64P值越小越有理由认为变量间直线关系值越小越有理由认为变量间直线关系 存在，不能说关系越密切。存在，不能说关系越密切。直线回归关系可以内插，不宜外延。直线回归关系可以内插，不宜外延。当样本含量较大时，统计学检验的作用当样本含量较大时，统计学检验的作用 减弱。减弱。r0.05/2,100=0.1954.结果的解释及正确应用结果的解释及正确应用第六十四页，讲稿共九十三页哦65第三节第三节

27、秩相关秩相关Rank Correlation 一、一、Spearman 秩相关秩相关第六十五页，讲稿共九十三页哦66应用条件：应用条件：1.不服从双变量正态分布而不宜作积差不服从双变量正态分布而不宜作积差 相关分析；相关分析；2.总体分布类型未知；总体分布类型未知；3.原始数据用等级表示。原始数据用等级表示。第六十六页，讲稿共九十三页哦67死因类别死因构成(%)WYPLL构成(%)(1)X(2)Y(4)10.030.05 20.140.34 30.200.93 40.430.69 50.440.38 60.450.79 70.471.19 80.654.74 90.952.31 100.965

28、.95 112.441.11 122.693.53 133.073.48 147.785.65 159.8233.95 1618.9317.16 17 22.598.421827.96 9.33合 计WYPLL:work years of potential life lost表表9-3 某省某省1995年到年到1999年居民死因构成与年居民死因构成与WYPLL构成构成第六十七页，讲稿共九十三页哦68死因类别死因构成(%)WYPLL构成(%)(1)X(2)P(3)Y(4)Q(5)(6)=(3)-(5)(7)=(6)2 10.0310.05100 20.1420.34200 30.2030.93

29、639 40.4340.69400 50.4450.38324 60.4560.79511 70.4771.19811 80.6584.7412416 90.9592.31900 100.96105.9514416 112.44111.117416 122.69123.531111 133.07133.481039 147.78145.651311 159.821533.951839 1618.931617.161711 17 22.59178.4215241827.9618 9.331624合 计17117192表表9-3 某省某省1995年到年到1999年居民死因构成与年居民死因构成与WY

30、PLL构成构成第六十八页，讲稿共九十三页哦69或用秩或用秩Pi、Qi直接计算积差相关系数直接计算积差相关系数r附表附表14(n50)第六十九页，讲稿共九十三页哦70第六节第六节 两条回归直线的比较两条回归直线的比较 一、两个回归系数的比较一、两个回归系数的比较二、两个截距的比较二、两个截距的比较第七十页，讲稿共九十三页哦71第七十一页，讲稿共九十三页哦72YXbcb2b1bc0第七十二页，讲稿共九十三页哦73第七节第七节 曲线拟合曲线拟合 第七十三页，讲稿共九十三页哦74一、曲线拟合的一般步骤一、曲线拟合的一般步骤 1.依据分析目的确定依据分析目的确定X与与Y，根据两变量，根据两变量 散点图、

31、结合专业知识选择曲线类型。散点图、结合专业知识选择曲线类型。2.求回归方程：曲线直线化。求回归方程：曲线直线化。3.拟合优度：拟合优度：R2。第七十四页，讲稿共九十三页哦75CRF:促肾上腺皮质激素释放因子促肾上腺皮质激素释放因子 ACTH:肾上腺皮质激素肾上腺皮质激素例例9-13第七十五页，讲稿共九十三页哦76 例例9-13数据散点图数据散点图CRF(nmol/L)XYACTH(pmol/L)第七十六页，讲稿共九十三页哦77第七十七页，讲稿共九十三页哦78 例例9-13数据对数据对X作对数变换散点图作对数变换散点图YACTH(pmol/L)lg CRF(nmol/L)X第七十八页，讲稿共九十

32、三页哦79例例9-14第七十九页，讲稿共九十三页哦80 例例9-14数据散点图数据散点图病人住院天数（天）病人住院天数（天）XY预预后后指指数数第八十页，讲稿共九十三页哦81lnY预预后后指指数数 例例9-14数据对数据对Y作对数变换散点图作对数变换散点图病人住院天数（天）病人住院天数（天）X第八十一页，讲稿共九十三页哦82用最小二乘估计只能保证用最小二乘估计只能保证 最小最小不能保证将变换值方程不能保证将变换值方程 回代回代后得到的后得到的 最小。最小。第八十二页，讲稿共九十三页哦83 二、曲线拟合的用途二、曲线拟合的用途 1.定量刻画定量刻画X与与Y的关系。的关系。2.用决定系数用决定系数

33、R2反应两变量曲线关系的密切程反应两变量曲线关系的密切程度。度。第八十三页，讲稿共九十三页哦84YX0三、常见的几种曲线三、常见的几种曲线对数曲线对数曲线第八十四页，讲稿共九十三页哦85YX0指数曲线指数曲线第八十五页，讲稿共九十三页哦86YX0Y=b0+b1 X+b2 X2 抛物线抛物线第八十六页，讲稿共九十三页哦87YXY=b0+b1 X+b2 X2+b3 X3 03次多项式曲线次多项式曲线第八十七页，讲稿共九十三页哦88SPSS中曲线模型中曲线模型第八十八页，讲稿共九十三页哦89第八十九页，讲稿共九十三页哦例例9-13第九十页，讲稿共九十三页哦例例9-14第九十一页，讲稿共九十三页哦92 讲课内容：讲课内容：第一节第一节 直线回归直线回归(重点重点)第二节第二节 直线相关直线相关(重点重点)第三节第三节 秩相关秩相关 第六节第六节 两条回归直线的比较两条回归直线的比较 第七节第七节 曲线拟合曲线拟合第九十二页，讲稿共九十三页哦93Thank you!第九十三页，讲稿共九十三页哦