高级应用统计分析方法及软件实现 VIP免费

高级应用统计分析方法及软件实现01相关分析（CorrelationAnalysis）02线性回归（Linearregression）03Logistic回归（Logisticregression）目录04Meta分析（Metaanalysis）应用实例概述研究两个或多个变量之间的关系常用相关与回归分析的方法相关分析研究随机变量之间相互联系的密切程度及方向相关分析对称地对待相互联系的变量，不考虑两者的因果关系，即不区分自变量和因变量，相关的变量不一定具有因果关系，均视为随机变量；回归分析研究变量之间的数量依存关系回归分析是在变量因果关系分析的基础上研究自变量的变动对因变量的具体影响，必须划分因变量和自变量，其对变量的处理是不对称的，通常认为自变量是确定的，因变量是随机的。1第部分相关分析（CorrelationAnalysis）典型的散点图正相关正相关负相关负相关不相关不相关不相关曲线相关/无线性相关相关的形态：线性相关、曲线相关、不相关相关的方向：正相关、负相关散点图可以直观地展示变量之间的相关关系、相关程度，但不是很精确。相关关系的描述识别变量间相关关系最简单的方法就是图形法—散点图图形法就是将所研究变量的观测值以散点的形式绘制在相应的坐标系中，通过它们呈现出的特征，来判断变量之间是否存在相关关系、以及相关的形式、相关的方向和相关的程度等。也可以用于发现异常值。相关系数相关系数能够以数字准确地描述变量之间的相关程度皮尔逊（Pearson）相关系数：是一般常见的线性相关系数，一般用r表示：变量Y和X之间线性相关的程度；适用于X和Y都服从正态分布的资料。如体重与肺活量的关系（两个变量都是连续变量、都符合正态分布、两者之间的关系是直线性的）斯皮尔曼（Spearman）相关系数：用于反映两个定序或等级变量的相关程度；对数据的分布形态不作要求。如吸烟和肺癌患病率的关系Pearson相关系数相关系数的特点：1.r的取值范围为：-1≤r≤1；2.r=1或r=-1时，说明两个变量之间完全线性相关；3.-1≤r＜0为负相关；0＜r≤1为正相关；4.|r|越趋于1表示关系越密切，|r|越趋于0表示关系越不密切；积差相关r仅仅是x与y之间线性关系的一个度量，不能用于描述非线性关系。r=0,只表示两个变量之间不存在线性相关关系，但不能立即判定两个变量没有关系（如曲线相关？）Pearson相关系数R=0是不是就一定意味着两个变量之间不存在关系？相关系数的强度对于相关系数的大小所表示的意义，统计学家的意见尚不一致。一般从经验上通常可将相关程度分为以下几种情况：相...