医学统计-第十章线性相关与回归

随机变量,自变量既可以是随机变量( II 型回归模型, 两个变量应该都服从正态分布),也可以是给定的量( I 型回归模型,这时,与每个 X 取值相对应的变量 Y 必须服从正态分布), 如果数据不符合要求, 在进行回归分析前,必须先进行变量的变换。 10’教 学内容辅助手段时间分配⒋回归方程建立后必须作假设检验,只有经假设检验拒绝了无效假设,回归方程才有意义。⒌使用回归方程计算估计值时,不可把估计的范围扩大到建立方程时的自变量的取值范围之外。线性相关与回归的区别⒈相关系数的计算只适用于两个变量都服从正态分布的情形,而在回归分析中,因变量是随机变量, 自变量既可以是随机变量( II 型回归模型, 两个变量都应该服从正态分布), 也可以是给定的量(I 型回归模型, 这时, 与每个 X 取值相对应的变量 Y 必须服从正态分布)。⒉线性相关表示两个变量之间的相互关系是双向的,回归则反映两个变量之间的依存关系,是单向的。⒊如果对同一资料进行相关与回归分析,则得到的相关系数 r 与回归方程中的 b 正负号是相同的。⒋在相关分析中,求出 r 后要进行假设检验,同样,在回归分析中,对 b 也要进行假设检验。实际上, 通过数学推导, 对同一样本可以得出 r与b 互化的公式, 同一样本的这两种假设检验也是等价的。因此, 由于 r 的假设检验可以直接查表, 较为简单, 所以可以用其代替对 b 的假设检验。⒌相关回归可以互相解释。 10’小结本次课主要讲述了线性相关与回归的概念和相应参数的计算及意义。复习思考题作业题 1. 某医生对某个感冒患者进行连续观察 60 小时,每 6小时观察测量该患者的体温和呼吸次数(表略)该医生对上述资料进行双变量正态检验, a=0.2 ,( 呈正态分布); 计算 r=0.9373 , 相应的 P=0.0001 。该医生推断: (体温与呼吸次数呈线性相关?) 教学后记