衛(wèi)生統(tǒng)計(jì)學(xué)-spss上機(jī)關(guān)聯(lián)性分析office

直線相關(guān)和回歸目的和要求：熟悉SPSS中回歸和相關(guān)的分析方法，通過SPSS建立回歸方程，計(jì)算相關(guān)系數(shù)，從而進(jìn)一步認(rèn)識(shí)它們之間的聯(lián)系和區(qū)別。掌握結(jié)果的分析和解釋。直線相關(guān)和回歸的區(qū)別及聯(lián)系：一區(qū)別：資料的要求不同回歸：y服從正態(tài)分布,x可以是嚴(yán)密控制、精確測(cè)量的數(shù)據(jù)。相關(guān)：x、y服從雙變量正態(tài)分布應(yīng)用情況不同回歸：反映兩變量相互依存的數(shù)量關(guān)系相關(guān)：反映兩變量間相關(guān)方向和密切程度

b和r的涵義、計(jì)算公式、單位、取值范圍不同。

二聯(lián)系：

對(duì)于雙變量正態(tài)數(shù)據(jù)：同時(shí)計(jì)算相關(guān)系數(shù)r和回歸系數(shù)b，正負(fù)號(hào)是一致的r和b的假設(shè)檢驗(yàn)等價(jià)可以用相關(guān)來解釋回歸

實(shí)例：某地一年級(jí)12名女大學(xué)生的肺活量Y(L)和體重X(㎏)的數(shù)據(jù)，如下：表1某地一年級(jí)12名女大學(xué)生的肺活量(L)和體重(㎏)直線回歸

建立回歸方程，可以回答問題：隨著體重的變化，女大學(xué)生的肺活量如何變化？步驟：1.作散點(diǎn)圖，確定有無線性趨勢(shì)

※2.考察數(shù)據(jù)的分布，即分析y變量的正態(tài)性、方差齊等問題。

3.建立回歸方程

4.對(duì)方程及其參數(shù)進(jìn)行估計(jì)與假設(shè)檢驗(yàn)第一步:數(shù)據(jù)錄入設(shè)置兩個(gè)變量：X代表體重(㎏)Y代表肺活量(L)第二步:統(tǒng)計(jì)分析1.繪制散點(diǎn)圖選擇菜單項(xiàng)Graphs

Scatter/Dot...

SimpleScatterDefine:YAxis框:yXAxis框:xok散點(diǎn)圖結(jié)果解釋

從圖中可見，體重和肺活量有比較明顯的線性趨勢(shì)，也沒有發(fā)現(xiàn)影響過強(qiáng)的異常點(diǎn)。可以進(jìn)行回歸分析。2.正態(tài)性檢驗(yàn)繪制P-P圖或Q-Q圖GraphsP-P

Variables：XY

OK

正態(tài)性檢驗(yàn)結(jié)果

3.選擇菜單項(xiàng)Analyze

Regression

LinearDependent框:YIndependent框:X

Method:enter(默認(rèn))點(diǎn)擊按鈕statistics:選中Estimate(默認(rèn))和Modelfit(默認(rèn))0k模型總結(jié)介紹了模型擬合優(yōu)度的情況：決定系數(shù)R2=SS回/SS總=0.562,它的值越大，說明方程擬合的效果越好剩余標(biāo)準(zhǔn)差（殘差標(biāo)準(zhǔn)差）Syx=0.28775，它的值越小，說明方程擬合的效果越好

回歸方程的方差分析

P=0.005，按0.05的檢驗(yàn)水準(zhǔn)拒絕H0接受H1，故可以認(rèn)為該地一年級(jí)女大學(xué)生的肺活量和體重之間存在線性依存關(guān)系。

回歸系數(shù)的檢驗(yàn)結(jié)果1.截距b0=0.00041,回歸系數(shù)b=0.059

直線回歸方程：2.tb=3.580，P=0.005，按0.05的檢驗(yàn)水準(zhǔn)拒絕H0接受H1，故可以認(rèn)為該地一年級(jí)女大學(xué)生的肺活量和體重之間存在線性依存關(guān)系，所求回歸方程成立。直線相關(guān)

計(jì)算直線相關(guān)系數(shù)，可以回答問題：女大學(xué)生的體重和肺活量之間的關(guān)系如何（相關(guān)的方向與密切程度）？步驟：1.作散點(diǎn)圖，確定有無線性趨勢(shì)

※2.考察數(shù)據(jù)的分布，即分析變量x和

y的正態(tài)性、方差齊等問題。

3.對(duì)相關(guān)系數(shù)進(jìn)行假設(shè)檢驗(yàn)第一步:數(shù)據(jù)錄入設(shè)置兩個(gè)變量：X代表體重(㎏)Y代表肺活量(L)第二步:統(tǒng)計(jì)分析選擇菜單項(xiàng)Analyze

correlatebivariateVariables框:X,YCorrelationCoefficients框:

pearson(默認(rèn))Testofsignificance:Two-tailed(默認(rèn))選中Flagsignificancecorrelation(默認(rèn))第三步:結(jié)果解釋

從圖中可見，體重和肺活量有比較明顯的直線相關(guān)趨勢(shì)，也沒有發(fā)現(xiàn)影響過強(qiáng)的異常點(diǎn)?？梢赃M(jìn)行相關(guān)分析。

X和y的相關(guān)系數(shù)r=0.749,對(duì)r假設(shè)檢驗(yàn)的P=0.005，

即按0.05的檢驗(yàn)水準(zhǔn)拒絕H0接受H1，可以認(rèn)為該地一年級(jí)女大學(xué)生的肺活量和體重之間存在線性相關(guān)關(guān)系，相關(guān)系數(shù)大小為0.749，比較接近1，表示有較強(qiáng)的正相關(guān)。一般認(rèn)為：r<0.4，低度相關(guān)；r位于0.4—0.7間，中度相關(guān)；r>0.7，高度相關(guān)。秩相關(guān)（rankcorrelation）秩相關(guān)屬于非參數(shù)統(tǒng)計(jì)方法基本原理是利用兩變量的秩次大小進(jìn)行直線相關(guān)分析，對(duì)變量的分布類型不作要求通常用于下列情況：連續(xù)型兩變量不滿足雙變量正態(tài)分布總體分布類型未知等級(jí)變量相關(guān)分析兩名放射科醫(yī)師對(duì)十三名肺炎患者胸部X線片肺門陰影密度級(jí)別各自做出診斷，結(jié)果如下，問兩等級(jí)評(píng)定結(jié)果間是否存在相關(guān)關(guān)系？

第一步:數(shù)據(jù)錄入設(shè)置兩個(gè)變量：X代表甲醫(yī)師的評(píng)定結(jié)果,定義X值標(biāo)簽：0為－，1為±，2為＋，3為＋＋，4為＋＋＋。Y代表乙醫(yī)師的評(píng)定結(jié)果，定義Y值標(biāo)簽：0為－，1為±，2為＋，3為＋＋，4為＋＋＋。第二步:統(tǒng)計(jì)分析選擇菜單項(xiàng)Analyze

correlatebivariateVariables框:X,YCorrelationCoefficients框:spearmanSpearman秩相關(guān)Testofsignificance:Two-tailed(默認(rèn))選中Flagsignificancecorrelation(默認(rèn))第三步:結(jié)果解釋結(jié)果可見：r=0.808，P=0.001，可以認(rèn)為兩等級(jí)評(píng)定結(jié)果存在相關(guān)關(guān)系。分類變量的關(guān)聯(lián)性分析兩個(gè)定量變量的關(guān)聯(lián)性可用Pearson積矩相關(guān)系數(shù)或秩相關(guān)系數(shù)來描述兩個(gè)分類變量間的關(guān)聯(lián)性可用Pearson列聯(lián)系數(shù)來描述——獨(dú)立性卡方檢驗(yàn)?zāi)车V工醫(yī)院探討矽肺不同期次患者的胸部平片肺門密度變化，把492名患者資料歸納下表所示，問矽肺患者肺門密度的增加與矽肺期次有無關(guān)系？表3硅沉著病的不同期次與肺門密度級(jí)別硅沉著病期次肺門密度級(jí)別合計(jì)ⅠⅡⅢⅠ4318814245Ⅱ19672169Ⅲ6175578合計(jì)50301141492設(shè)置兩個(gè)變量：X代表肺門密度Y代表矽肺期次

F

代表頻數(shù)（權(quán)重變量）第一步:數(shù)據(jù)錄入第二步:統(tǒng)計(jì)分析Data

WeightCasesWeightCasesby:FrequencyVariable框：F

OK選擇菜單項(xiàng)Analyze

Descript