预防医学/应用直线相关与回归分析时的注意事项

跳转到: 导航, 搜索

医学电子书 >> 《预防医学》 >> 相关回归分析 >> 应用直线相关与回归分析时的注意事项
预防医学

预防医学目录

1.作相关与回归分析要有实际意义,不要把毫无关联的两个事物或两种现象作相关、回归分析。

2.两事物或现象间有相关,不一定有回果关系,也可能仅是伴随关系。但是,如果两事物或现象间存在因果关系,则两者必然是相关的。

3.相关与回归分析所说明的问题是不同的,但又是有联系的。相关表示相互关系,回归表示从属关系。可以证明,同一批资料所算得的r与b的检验统计量(tr,tb)是相同的,如本章的案例前后算得的tr=tb=4.14。由于相关系数的计算及假设检验比较方便,故可用相关系数的显着性检验取代回归系数的显着性检验。事实上在作回归分析之前,一般先作相关分析,而只有在确定了两变量间有直线关系的前提下,求回归方程及回归线才有意义。

4.相关与回归的应用,仅限于原实测数据的范围内,而不能随意外推。因为不知道在此范围之外,两变量间是否仍存在同样的直线关系。如果确有进行外推的充分根据和需要,亦应十分慎重。

5.在X与Y均呈正态变量时的加归分析中,由X 推算Y与由Y推算X的回归系数及回归方程是不同的,切勿混淆。

附表22-1 相关系数显著性界值表

v R0.05(v´) R0.01(v´) R0.05(v´) R0.01(v´)
1 0.997 1.000 24 0.388 0.496
2 0.950 0.990 25 0.381 0.487
3 0.872 0.959 26 0.375 0.478
4 0.811 0.917 27 0.367 0.470
5 0.754 0.874 28 0.361 0.463
6 0.707 0.834 29 0.355 0.456
7 0.666 0.798 30 0.349 0.449
8 0.632 0.765 35 0.325 0.418
9 0.602 0.735 40 0.304 0.393
10 0.576 0.708 45 0.288 0.372
11 0.553 0.684 50 0.273 0.354
12 0.532 0.661 60 0.250 0.325
13 0.514 0.641 70 0.232 0.302
14 0.497 0.623 80 0.217 0.283
15 0.482 0.606 90 0.205 0.267
16 0.468 0.590 100 0.195 0.254
17 0.456 0.575 125 0.174 0.228
18 0.444 0.561 150 0.159 0.208
19 0.433 0.549 200 0.138 0.181
20 0.423 0.537 300 0.113 0.148
21 0.413 0.526 400 9.098 0.128
22 0.404 0.515 500 0.088 0.115
23 0.396 0.505 1000 0.062 0.081
32 回归分析 | 病例随访 32
关于“预防医学/应用直线相关与回归分析时的注意事项”的留言: Feed-icon.png 订阅讨论RSS

目前暂无留言

添加留言
个人工具
名字空间
动作
导航
推荐工具
功能菜单
工具箱