导读
从系列17到系列25我们介绍了单变量数据的假设检验方法和SAS实现。今天开始介绍双变量数据的假设检验方法及其SAS实现。
三、双变量数据的假设检验
图9-81 双变量数据假设检验方法选择
单变量数据的统计分析着重于描述某一个变量的统计特征,比较各组间该变量是否存在差异。在医学研究和实践中,也经常会遇到两个变量间关系的研究,如儿童体重与体表面积间的关系,某人群发硒值与血硒值间的关系等,这类数据的分析常用回归与相关。
(一)直线回归
“回归”一词源于F. Galton(1887),他从表达父子身高的一些直线方程中发现父高子亦高,但一群高(或矮)个子的父亲的儿子们,平均身高却低(或高)于父亲们的平均身高,向男子身高的总体均数“回归”,于是后来将表示这类变量间关系的方程称为回归方程。直线回归是处理两变量间线性依存关系的一种统计分析方法,其中至少有一个变量是随机变量。直线回归应用于:两变量间存在直线关系时,求出直线方程来描述变量的依存关系;根据直线回归方程由已知(或易测)变量值,估计未知(或难测)变量值;对总体回归直线作出估计,说明样本回归直线的可信程度;估计正常值范围;协方差分析的基础。直线回归的SA