三种简单相关分析与SAS实现医学统计学教研室柳伟伟相关在生物医学科研与实践中,经常涉及两个变量之间的关系研究,以说明事物发生、发展及变化的原因或变量间依存变化的数量关系
例如:医学上人的身高与体重的关系、年龄与血压的关系等;药物剂量与反应的关系等;病程与疗效的关系
相关与回归分析是研究这种关系的统计方法,属双变量分析(bivariateanalysis)范畴
相关分析的任务说明客观事物或现象相互间数量关系的密切程度和方向,并用适当的统计指标表示出来
而把客观事物或现象间的数量依存关系表示出来,则是回归分析所要解决的问题
三种简单相关1
Pearson直线相关2
Spearman秩相关3
Kendall等级相关Pearson直线相关了解两个随机变量X与Y之间相关关系及其密切程度,可用直线相关分析方法
直线相关(linearregression)又称简单相关,此方法适用于X和Y都服从正态分布的资料
Pearson直线相关直线相关的概念直线相关的定量描述相关系数的假设检验相关系数的区间估计直线相关分析的一般步骤直线相关分析的注意事项Pearson直线相关1
定义如果两个随机变量中,当其中一个变量由小到大变化时,另一个变量也相应地由小到大(或由大到小)变化,并且其相应变化的散点图在直角坐标系中呈现直线趋势,则称这两个随机变量存在直线相关
推断两个随机变量是否存在直线相关关系以及描述这种相关关系大小的分析方法就是直线相关分析(linearcorrelationanalysis),也称简单相关分析(simplecorrelationanalysis)
Pearson直线相关直线相关图示完全正相关完全负相关正相关负相关零相关零相关零相关零相关Pearson直线相关直线相关分析的适用条件(1)两个变量均为服从正态分布的随机变量,即要求他们服从双变量正态分布;(2)每对数