文档介绍：会计学
*
双变量(biànliàng)关联性分析
第一页，共67页。
医学上许多现象之间都有相互联系，例如：身高与体重、体温与脉搏、产前检查与婴儿体重、乙肝病毒与乙肝等。在这些(zhèxiē)有关系的现象中，它们之间联系的程度和性质也各不相同。这里，体温和脉搏的关系就比产前检查与婴儿体重之间的关系密切得多，而体重和身高的关系则介与二者之间。
一  直线(zhíxiàn)相关 Linear correlation
第1页/共66页
第二页，共67页。
相关与回归就是用于研究和解释两个变量之间相互关系的。
相关分析用于分析两变量间相互联系的密切程度及相关方向。回归分析适用于分析变量间的依存关系；用一个(yī ɡè)自变量的值来估计另一个(yī ɡè)应变量的值。
第2页/共66页
第三页，共67页。
*
*
前面描述性统计及假设检验只涉及到一个变量，如体重、红细胞数、血压下降值等,着重于描述某一变量的统计特征或比较该变量的组间差别。
在大量的医学问题研究中常常还要分析两个随机变量之间的关系，如体重与肺活量、年龄与血压之间是否存在线性联系(liánxì)，此联系(liánxì)是正向还是负向以及联系(liánxì)的程度如何？
第3页/共66页
第四页，共67页。
*
*
如果两个连续型变量 X和 Y 都随机变动且不分主次，可通过线性相关（linear correlation）分析来估计它们之间可能(kěnéng)存在的线性联系的方向与程度。
两个随机变量 X 和 Y ，可以是对同一观察单位同时测量 X 与 Y 的数值，也可以是测量成对观察单位的同一变量或不同变量的数值，而产生一对观察值。
第4页/共66页
第五页，共67页。
直线相关(linear correlation)
又称简单相关(simple correlation)或 Pearson 相关分析，用于研究具有直线关系的两个变量(biànliàng)间相关关系的密切程度与相关方向的一种统计分析方法，用于双变量(biànliàng)正态分布资料(要求两个变量(biànliàng)均服从正态分布)
第5页/共66页
第六页，共67页。
在线性相关分析中，两个变量X 和Y的值总是成对的出现(chūxiàn)，记为（X1，Y1）、（X2，Y2）…（Xn，Yn），这些观察值在直角坐标系中形成一幅散点图，这种散点图可以简单而直观的表示两变量间的线性关系
第6页/共66页
第七页，共67页。
例如 为研究中年女性体重(tǐzhòng)指数和收缩压之间的关系，随机测量了16名40岁以上的女性的体重(tǐzhòng)指数和收缩压，见表13-1，试绘制散点图。
实 例
第7页/共66页
第八页，共67页。
解：以体重指数为变量X，收缩压为变量Y作散点图，见下图。可见(kějiàn)，体重指数与收缩压有比较密切的线性相关关系。
第8页/共66页
第九页，共67页。
第9页/共66页
第十页，共67页。