-
题名统计学处理时应用直线相关与回归的注意事项
- 1
-
-
作者
本刊编辑部
-
出处
《中国医科大学学报》
CAS
CSCD
北大核心
2013年第7期637-637,共1页
-
文摘
1.作直线相关与回归分析的两个变量要有实际意义,不要把毫无关联的两个事物或现象作相关、回归分析。
2.正确理解直线相关和回归分析的关系和区别。相关表示两变量间的相关关系;回归表示应变量Y随自变量x变化而变化的依存关系,两变量间存在因果关系。如果两变量间有因果关系,可作直线相关与回归分析,如健康成人血液凝固时间与血液凝血酶浓度;如果两变量间无因果关系,只作相关分析,如人的身高与前臂长度。两变量间有相关关系,不一定是因果关系,可能是伴随关系;但若是因果关系,必然有相关关系。
-
关键词
直线相关与回归分析
统计学处理
血液凝固时间
因果关系
应用
依存关系
健康成人
相关分析
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名统计学处理时应用直线相关与回归的注意事项
- 2
-
-
作者
本刊编辑部
-
出处
《第三军医大学学报》
CAS
CSCD
北大核心
2013年第11期1101-1101,共1页
-
文摘
1.作直线相关与回归分析的两个变量要有实际意义,不要把毫无关联的两个事物或现象作相关、回归分析。
2.正确理解直线相关和回归分析的关系和区别。相关表示两变量间的相关关系;回归表示应变量Y随自变量x变化而变化的依存关系,两变量间存在因果关系。如果两变量间有因果关系,可作直线相关与回归分析,如健康成人血液凝固时间与血液凝血酶浓度;如果两变量间无因果关系,只作相关分析,如人的身高与前臂长度。两变量间有相关关系,不一定是因果关系,可能是伴随关系;但若是因果关系,必然有相关关系。
-
关键词
直线相关与回归分析
统计学处理
血液凝固时间
依存关系
健康成人
相关分析
自变量
应变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 3
-
-
-
出处
《山东医药》
CAS
北大核心
2016年第46期34-34,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量x是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
统计指标
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 4
-
-
-
出处
《山东医药》
CAS
北大核心
2016年第36期112-112,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 5
-
-
-
出处
《山东医药》
CAS
北大核心
2016年第30期12-12,共1页
-
文摘
区别:(1)资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。(2)统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将"因"或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 6
-
-
-
出处
《山东医药》
CAS
北大核心
2016年第22期89-89,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 7
-
-
-
出处
《山东医药》
CAS
北大核心
2016年第3期92-92,共1页
-
文摘
区别:1资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。2统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 8
-
-
-
出处
《山东医药》
CAS
北大核心
2015年第38期74-74,共1页
-
文摘
区别:1资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。2统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将"因"或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 9
-
-
-
出处
《山东医药》
CAS
北大核心
2015年第30期36-36,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;回归分析的目的则是把自变量与应变量间的关系用函数公式定量表达出来,回归分析不仅可以揭示X对Y的影响大小,还可以由回归方程进行数量上的预测和控制。④变量的意义不同:在回归分析中,因变量Y处在被解释的特殊地位;在直线相关分析中,X与Y处于平等的地位。在直线相关分析中,X与Y都是随机变量;在回归分析中,Y是随机变量,X可以是随机变量,也可以是非随机的,通常在回归模型中,总是假定X是非随机的。
-
关键词
直线相关与回归分析
直线相关分析
随机变量
正态分布
因变量Y
因果关系
依存关系
统计指标
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 10
-
-
-
出处
《山东医药》
CAS
北大核心
2015年第27期14-14,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;回归分析的目的则是把自变量与应变量间的关系用函数公式定量表达出来,回归分析不仅可以揭示X对Y的影响大小,还可以由回归方程进行数量上的预测和控制。④变量的意义不同:在回归分析中,因变量Y处在被解释的特殊地位;在直线相关分析中,X与Y处于平等的地位。在直线相关分析中, X与Y都是随机变量;在回归分析中, Y是随机变量,X可以是随机变量,也可以是非随机的,通常在回归模型中,总是假定X是非随机的。
-
关键词
直线相关与回归分析
直线相关分析
随机变量
正态分布
因变量Y
因果关系
依存关系
统计指标
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 11
-
-
-
出处
《山东医药》
CAS
2018年第13期112-112,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;回归分析的目的则是把自变量与应变量间的关系用函数公式定量表达出来,回归分析不仅可以揭示X对Y的影响大小,还可以由回归方程进行数量上的预测和控制。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因变量Y
因果关系
依存关系
统计指标
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 12
-
-
-
出处
《山东医药》
CAS
北大核心
2017年第14期73-73,共1页
-
文摘
区别:(1)资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。(2)统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将"因"或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。(3)分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
统计指标
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 13
-
-
-
出处
《山东医药》
CAS
2013年第39期28-28,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因变量Y
因果关系
依存关系
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 14
-
-
-
出处
《山东医药》
CAS
2013年第8期80-80,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;回归分析的目的则是把自变量与应变量间的关系用函数公式定量表达出来,
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
统计指标
自变量
因变量Y
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 15
-
-
-
出处
《山东医药》
CAS
2013年第32期100-100,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量x是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;回归分析的目的则是把自变量与应变量间的关系用函数公式定量表达出来,回归分析不仅可以揭示X对Y的影响大小,还可以由回归方程进行数量上的预测和控制。④变量的意义不同:在回归分析中,因变量Y处在被解释的特殊地位;在直线相关分析中,x与Y处于平等的地位。在直线相关分析中,X与Y都是随机变量;在回归分析中,Y是随机变量,x可以是随机变量,也可以是非随机的,通常在回归模型中,总是假定x是非随机的。
-
关键词
直线相关与回归分析
直线相关分析
随机变量
正态分布
因变量Y
因果关系
依存关系
统计指标
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 16
-
-
-
出处
《山东医药》
CAS
2013年第18期78-78,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将"因"或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 17
-
-
-
出处
《山东医药》
CAS
2013年第35期4-4,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 18
-
-
-
出处
《山东医药》
CAS
2014年第16期89-89,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 19
-
-
-
出处
《山东医药》
CAS
2013年第12期100-100,共1页
-
文摘
区别:①资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。②统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将“因”或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。③分析目不同:直线相关分析的目的是把两变量间直线关系的密切程度及方向用一统计指标表示出来;
-
关键词
直线相关与回归分析
直线相关分析
正态分布
依存关系
统计指标
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-
-
题名直线相关与回归分析的区别和联系
- 20
-
-
-
出处
《山东医药》
CAS
北大核心
2017年第45期8-8,共1页
-
文摘
区别:(1)资料要求不同:直线相关分析要求两个变量都是正态分布;回归分析要求因变量Y服从正态分布,而自变量X是能精确测量和严格控制的变量。(2)统计意义不同:直线相关分析反映两变量间的伴随关系,这种关系是相互的、对等的,不一定有因果关系;回归则分析反映两变量间的依存关系,一般将"因"或较易测定、变异较小者定为自变量,这种依存关系可能是因果关系或从属关系。(3)分析目不同:
-
关键词
直线相关与回归分析
直线相关分析
正态分布
因果关系
依存关系
因变量Y
自变量
-
分类号
R77-32
[医药卫生—眼科]
-