生物统计学（Biostatistics)笔记第七讲-Linear regression and correlation analysis

Linear regression and correlation analysis

•第五章中，我们介绍了如何研究两个定性变量是否有关系的问题。

•实际工作中，我们经常需要研究两个或两个以上定量变量是否有关系，有怎么样的关系。

•对于生物学数据，因为存在随机性和变异性等，所以通常不能推导出确定的函数关系，但是可以使用统计学上的回归与相关分析研究其分布情况(如平均数、标准差和置信区间)。

因果关系与平行关系

•经常地，我们发现一个变量随着另一个变量的变化而变化，但是这不一定说明两者存在因果关系。

•还有一种可能是这两者共同受到另外一个变量的影响，称为平行关系。

---

散点图(scatter chart):直观的查看x、y的关系。

1. 两个变量间关系的性质和程度；

2. 两个变量间关系的类型，是直线型或者曲线型。

3. 是否有异常观测值的干扰

---

回归分析(regression analysis)：回归分析经常用于研究两个变量的因果关系，建立回归方程用于根据自变量预测和控制因变量。

表示原因的变量称为自变量(independent variable)，常用x表示，一般是试验中预先确定的，没有随机误差。

表示结果的变量称为因变量(dependent variable)，常用y表示，y随x的变化而变化，且具有随机误差。

回归分析的分类
根据自变量，因变量的数目	一个自变量与一个因变量：一元回归分析
	多个自变量与一个因变量：多元回归分析
根据变量间关系的类型	直线回归(linear regression)
	曲线回归(curve regression)

---

相关分析(correlation analysis)：相关分析通常用于研究两个变量的平行关系。变量x和y无自变量和因变量之分，且都具有随机误差。

相关分析的分类
对两个变量之间的直线关系进行相关分析	直线相关(linear correlation)分析或简单相关(simple correlation)分析
一个变量与多个变量的线性相关	复(multiple)相关分析
保持其余变量不变的情况下研究两个变量的线性相关	偏(partitial)相关分析

---

直线回归

直线回归的数学模型

虽然x固定时，y并没有确定的值，但是此时y的分布是固定的，或者说其平均数等指标是固定的。
$${\mu }_Y=\alpha +\beta X$$
$\alpha$为直线在y轴的截距(intercept)

$\beta$为直线的斜率(slope)
$$Y=\alpha +\beta X+ϵ$$
若使用样本资料估计参数
$$y=a+bx+e$$

直线回归方程的参数估计
$$b=\frac{\sum (x-\overline{x})-(y-\overline{y})}{\sum (x-\overline{x}{)}^2}=\frac{SP}{S{S}_x}$$

b的分子简称为两个离均差的乘积和，记作SP或$S{S}_{xy}$

b的分母称为离均差平方和，记作$S{S}_x$

$\alpha =\overline{y}-b\overline{x}$

---

回归方程的三个基本性质

(1)$Q=\sum (y-\hat{y}{)}^2$最小

(2)$\sum (y-\hat{y})=\sum (y-a-bx)=$