两变量关联性分析

延伸内容
四、两有序分类变量的关联性分析
例10-11（p206） 某研究者欲了解20岁以上成年人研究晶状体浑
浊程度与年龄的相关关系，收集资料见表10-9。 请分析成年人研究晶状体浑浊程度与年龄的关 联性
先加权
方法一 在crosstabs中分析
方法二 在correlate中分析
五、Kappa指数
1、变量设置
输入数据
2、加权
3、分析analyze-descriptive statisticscrosstabs
记录处理情况
甲法 * 乙法
Case Processing Summary
Valid
N
Percent
132 100.0%
C ases
Missing
N
Percent
0
.0%
Total
<0.001， 列联系数（contingency coefficient）
为0.280，近似p值为<0.001， 拒绝H0,接受H1，可以认为大学生专业与
艾滋病知晓程度之间存在关联性。
二、配对资料关联性分析
例10-8（p203） 有132份食品标本，把每份标本一分为二，分
别用两种检测方法做沙门菌检验。试问两 种检测方法的结果是否存在关联？
步骤：1、变量设置
2、输入数据
3、作散点图（ Scatter/Dot ）
步骤graphs—legacy dialogs—Scatter/Dot
Scatter/Dot对话框： 点击simple（单式散点图）-define
定义散点图（横坐标轴、纵坐标轴）
可双击散点图进行编辑
4、正态性检验
正态性检验结果
----两个分类变量之间的相关性分析
菜单位置：
analyze—correlate—Bivariate（双变量）
第一节 pearson线性相关
例10-1（p194） 在某地一项膳食调查中，调查对象
为14名40～60岁的中年健康妇女，测 得每人的基础代谢（kj/d）与体重 （kg）的数据。据此数据如何判断这 两变量间有无关联？
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
5、相关分析 分析—相关—双变 量
变量相关分析对话框
Options对话框
描述均数、标准差、样本含量
简略结果
Correlations
df
(2-sided)
4
.000
Likelihood Ratio
20.271
4
.000
Linear -by -Linear A sso ciation
16.727
1
.000
N of Valid Cases
310
a. 1 cells (11.1%) hav e expected count less than 5. The minimum expected count is 4.36.
两变量关联性分析
莫景富 卫生统计学教研室
本章内容
一、pearson线性相关 二、Spearman秩相关 三、分类变量的关联性分析
一、相关分析
研究两个事物或现象间的关联性强度。 1.pearson线形相关
----两个连续性正态分布资料之间的相关 2.Spearman秩相关
----两个非正态分布资料（或一个变量不服从 正态分布、或总体分布未知、等级资料）之间的 相关 3.分类变量的关联性分析
联。某医生将收治的310名胃病患者按主要 职业类型与胃病类型两种属性交叉分类， 结果见表10-6.问职业类型与胃病类型间有 无关联？
1.设置变量、输入数据
2、加权
3、分析
选择统计量
记录处理情况
Chi-Square Tests
Pearson Chi-Square
Value 20.838a
Asymp. Sig.
例10-12（p208） 对某大学537名女生先后进行两次
内容相同的营养调查（相隔2个月）， 其中食用鸡蛋的情况见表10-11.试对 该调查的质量进行评价。
1、加权
2、在crosstabs中分析
N
Percent
132 100.0%
列联表
C o unt
甲法 Total
甲 法 * 乙 法 Crossta bulati on
乙法
+
-
+
80
10
-
31
11
111
21
Total 90 42
132
Phi系数为0.192， 列联系数为0.189，近似P值为0.027
三、R×C表的关联性分析
例10-9（p 204 ） 欲探讨职业类型与胃病类型是否有关
Interval by interval Pearson’s R 数值变量 Pearson相关系数
Ordinal by ordinal Spearman 有序变量 Spearman相关系数
x2
n
x2
V
, k min(R,C)
n(k 1)
r
x2 x2 n
名义变量phi系数为-0.292，近似p值为
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
基础 代谢（kJ/d） .154
14 .200* .933
14 .390
体重 （kg）
.129
14 .200* .981
14 .956
基 础 代 谢 （ kJ/d） 体 重 （ kg）
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
基础代谢 （ kJ/d） 体 重 （ kg）
1.000
.964**
.
.000
14
14
.96Baidu Nhomakorabea**
1.000
.000
.
14
14
**. Correlation is significant at the 0.01 lev el (2-tailed).
第二节 秩相关
适用资料： ⑴ 不服从正态分布的资料 ⑵ 总体分布类型未知的资料 ⑶ 原始数据用等级表示的资料
例10-5 （p200） 某研究者观察了10例6个 月～7岁的贫血患儿的血红蛋白含量与贫血 体征，试作秩相关分析。
1、变量设置，数据输入
2、加权，weight cases
3、analyze-descriptive statistics-crosstabs
记录处理情况
列联表
假设检验结果： Pearson 卡方值为42.579，近似概率为<0.001， 拒绝H0，两变量存在关联性。
中文版结果
Nominal by Nominal Contingency Coefficient 名义变量 列联系数
根据两个定性变量交叉分类计数所得的频 数资料（列联表）作关联（association）分析， 即关于两种属性独立性的x2检验。
一、交叉分类2×2表的关联分析
例10-7 （p201） 为了观察大学生专业与艾滋病知
晓程度之间是否有关，某研究者调查 了某大学一年级不同专业的500学生。 试分析大学生专业与艾滋病知晓程度 之间的关联性。
分析 1、x变量（血红蛋白）连续性计量资料 2、y变量（贫血体征）为等级资料 3、选用spearman秩相关分析
步骤：1、变量设置、输入数据
2、spearman分析
秩相关系数为-0.741，近似P值为0.014， 小于0.05，拒绝H0，认为血红蛋白与贫血体征之 间有相关关系。
第三节 分类变量的关联性分析