注意: Pearson相关系数又称为线性相关系数并且要求X和Y双正态 分布,通常在检查中要求ⅹ服从正态分布并且Y服从正态分布。 如果不满足双正态分布时,可以计算 Spearman相关系数又称为非参 数相关系数。 Spearman相关系数的计算基本思想为:用Ⅹ和Y的秩代替它们的原 始数据,然后代入 Pearson相关系数的计算公式并且检验与 Pearson 相关系数类同。 Stata实现 spearman Number of obs 15 pearman rho 0.6552 Test of Ho: x and y are independent Prob>[t= 0.0080 stata计算结果与手算的结果一致。结论为身高与体重呈正相关,并且 有统计学意义。 直线回归 例2为了研究3岁至8岁男孩身高与年龄的规律,在某地区在3岁 至8岁男孩中随机抽样,共分6个年龄层抽样:3岁,4岁,…,8 岁,每个层抽10个男孩,共抽60个男孩。资料如下: 60个男孩的身高资料如下 年龄 4岁 岁 6岁 7岁 身 92 96.5 106.0 115.5 125.5 121.5 97.0 101.0104.0115.5117.5128.5 96.0105.5107.0111.518.0124.0注意：Pearson 相关系数又称为线性相关系数并且要求 X 和 Y 双正态 分布，通常在检查中要求 X 服从正态分布并且 Y 服从正态分布。 如果不满足双正态分布时，可以计算 Spearman 相关系数又称为非参 数相关系数。 Spearman 相关系数的计算基本思想为：用 X 和 Y 的秩代替它们的原 始数据，然后代入 Pearson 相关系数的计算公式并且检验与 Pearson 相关系数类同。 Stata 实现 spearman x y Number of obs = 15 Spearman's rho = 0.6552 Test of Ho: x and y are independent Prob > |t| = 0.0080 stata 计算结果与手算的结果一致。结论为身高与体重呈正相关，并且 有统计学意义。 直线回归 例 2 为了研究 3 岁至 8 岁男孩身高与年龄的规律，在某地区在 3 岁 至 8 岁男孩中随机抽样，共分 6 个年龄层抽样：3 岁，4 岁，…，8 岁，每个层抽 10 个男孩，共抽 60 个男孩。资料如下： 60 个男孩的身高资料如下 年龄 3 岁 4 岁 5 岁 6 岁 7 岁 8 岁 92.5 96.5 106.0 115.5 125.5 121.5 97.0 101.0 104.0 115.5 117.5 128.5 身 高 96.0 105.5 107.0 111.5 118.0 124.0