預防醫學/應用直線相關與回歸分析時的注意事項

跳轉到：導航, 搜索

預防醫學

相關回歸分析
- 相關分析
- 回歸分析
- 應用直線相關與回歸分析時的注意事項

1．作相關與回歸分析要有實際意義，不要把毫無關聯的兩個事物或兩種現象作相關、回歸分析。

2．兩事物或現象間有相關，不一定有回果關系，也可能僅是伴隨關系。但是，如果兩事物或現象間存在因果關系，則兩者必然是相關的。

3．相關與回歸分析所說明的問題是不同的，但又是有聯系的。相關表示相互關系，回歸表示從屬關系。可以證明，同一批資料所算得的r與b的檢驗統計量（tr,tb）是相同的，如本章的案例前后算得的tr=tb=4.14。由于相關系數的計算及假設檢驗比較方便，故可用相關系數的顯著性檢驗取代回歸系數的顯著性檢驗。事實上在作回歸分析之前，一般先作相關分析，而只有在確定了兩變量間有直線關系的前提下，求回歸方程及回歸線才有意義。

4．相關與回歸的應用，僅限于原實測數據的范圍內，而不能隨意外推。因為不知道在此范圍之外，兩變量間是否仍存在同樣的直線關系。如果確有進行外推的充分根據和需要，亦應十分慎重。

5．在X與Y均呈正態變量時的加歸分析中，由X 推算Y與由Y推算X的回歸系數及回歸方程是不同的，切勿混淆。

附表22-1 相關系數顯著性界值表

v	R_0.05(v′)	R_0.01(v′)	V′	R_0.05(v′)	R_0.01(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