2013医用多元统计分析课件3.pptVIP

2013.6.20 TYC 多元统计分析 教案 SAS分析结果1 两组变量的描述统计结果 * * 吉林大学远程教学课件 医用多元统计分析 主讲人 陶育纯 3 MEDICAL MULTIVARIATE STATISTICS ANALYSIS 第三讲 课程名称：多元统计分析 主要教材： ?医学统计学与电脑实验? （第二版） 方积乾 主编 上海科学技术出版社 年级、专业： 2012公卫学院研究生 授课时间：2013年6月21日 授课时数：4h 目录 第二部分 多重回归和相关（2） 一、多重线性相关 ㈠ 多重线性相关的概念 ㈡ 多重线性相关与直线相关的区别 ㈢ 多重线性相关的实例 二、典型相关分析 ㈠ 典型相关分析的概念 ㈡ 典型相关分析的基本原理 ㈢ 典型相关分析的实例 目录 ㈠ 课堂练习习题 ㈡ 课后作业题 三、练习资料 一、多重线性相关 ㈠ 多重线性相关概念 多重线性相关(Multiple Linear Correlation) 定义：是研究一个因变量和多个自变量间互依关系的一种统计学方法。 第二部分 多重回归和相关（2） 1个因变量 k个自变量(k1) 线性 上述的因变量和自变量的地位是相同的，都 必须满足正态分布或多元正态分布(Multivariate Normal Distribution)。 多重线性相关常通过以下三个统计指标进行 分析。 简单相关系数(Simple correlation coefficient) 复相关系数(Multiple correlation coefficient) 偏相关系数(Partial correlation coefficient) ㈡ 多重线性相关与直线相关的区别 1个因变量 1个自变量 直线相关 线性 多重线性相关 1个因变量 k个自变量(k1) 线性 直线相关是多重线性相关的特例，是描述两个变量线性互依关系的最常用的方法，常用直线相关系数(Pearson’s correlation coefficient)表达和分析。 ?简单相关系数 是一组随机变量X1,X2,…,Xp和Y中任何两个变量之间的Pearson相关系数。把这些相关系数列在一起就形成了相关系数矩阵(Correlation Matrix) 。 下例为X1,X2,X3和Y的简单相关系数矩阵。 ?复相关系数 是度量一组随机变量(X1,X2,…,Xp)和Y之间的线性互依关系的指标。其计算方法为： 首先求Y和X1,X2,…,Xp的多重回归，得到： Y和 的简单相关系数取绝对值就称Y和(X1,X2,…,Xp)的复相关系数，记为R， ?偏相关系数 几个相关系数的区别 ㈢ 多重线性相关的实例 例4. 石磊(1991)发表了其所在医院1970~1989年间历年门诊人次X1, 病床利用率X2, 病床周转次数X3 和住院人数Y的数据如表4所示。试求X1, X2, X3 和Y的简单相关系数矩阵、复相关系数，扣除X2的影响后X1 和Y的偏相关系数。 ① 利用Excel计算 1. 建立Excel数据文件（见exp4.xls）； 2. 选择“工具”→“数据分析”打开数据分析对话 框，选择分析工具栏中的“相关系数”→确定。 3. 在“相关系数”对话框中的“输入区域”内输入 所有变量的数据范围，选取适当的“输出区域” → 确定，即可完成计算简单相关系数矩阵。结果见 exp4.xls 。 复相关系数的结果可通过回归分析得到，过 程参见前述的多重回归分析，结果见exp4.xls 。 Excel不提供偏相关系数的计算。 ② 利用SPSS计算 1. 建立SPSS数据文件（见exp4.sav）； 2. Analyze → Correlate ? → Bivariate…打开Bivariate Correlations对话框，将Y和X1、X2、X3调入Variables:栏中， →OK即可完成简单相关系数矩阵的计算。主要结果见exp4out.spo 。 3. Analyze → Correlate ? → Partial…打开Partial Correlations对话框，将Y和X1调入Variables:栏中，将X3调入Controlling for:栏中→OK即可完成偏相关系数的计算。主要结果见exp4out.spo 。 SPSS不直接提供