哪些统计方法可以用于判断因果关系？ - 知乎878被浏览34437分享邀请回答43 条评论分享收藏感谢收起为相关图。通过散点图所反映出的坐标点的分布状况可以直观地判断变量之间是否存在相关关系，以及相关的形态、方向。散点图是相关关系的一种描述方法，它直观、形象，通过散点图可以观察到现象的关系类型以及相关方向、程度。1.相关的形态按照相关形式不同分为：线性相关和非线性相关。线性相关——又称直线相关，是指当一个变量变动时，另一变量随之发生大致均等的变动，从图形上看，其观察点的分布近似地表现为一条直线；例如，人均消费水平与人均收入水平通常呈线性关系。非线性相关——一个变量变动时，另一变量也随之发生变动，但这种变动不是均等的，从图形上看，其观察点的分布近似地表现为一条曲线，如抛物线、指数曲线等，因此也称为曲线相关。例如，工人加班加点在一定数量界限内，产量增加，但一旦超过一定限度，产量反而可能下降，这就是一种非线性关系。2.相关的方向按照相关的方向不同分为：正相关和负相关。正相关——当一个变量的值增加或减少，另一个变量的值也随之增加或减少。如工人劳动生产率提高，产品产量也随之增加；居民的消费水平随个人所支配收入的增加而增加。负相关——当一个变量的值增加或减少时，另一变量的值反而减少或增加。如商品流转额越大，商品流通费用越低；利润随单位成本的降低而增加。三．相关程度的测定：在直线相关的类型中，人们使用相关系数测定变量之间的相关关系。相关系数是测定变量之间关系密切程度的量，它能够以数字准确地描述变量之间的相关程度。要反映不同类型变量数据的相关程度，有不同的相关系数。重点介绍Pea—son相关系数。1．定义：Peason相关系数是用来度量两个定量变量x和Y之间的线性相关程度，如人均可支配收入与消费支出的相关程度、身高与体重之间的相关程度等等。3．性质：（1）的取值范围在一1～1，即一1≤≤1。0表明x与Y之间存在正线性相关关系；0表明x与Y之间存在负线性相关关系；值越接近l（或一l）就越正（或负）相关，越接近0，就越不相关。＝1或＝一1表明2与Y之间为完全相关关系（实际上就是函数关系）。（2）具有对称性。x与Y之间的相关系数xy和y与x之间的相关系数yx相等，即xy＝yx。（3）数值大小与x和Y的数据原点及计量尺度无关。改变x和Y的数据原点或计量尺度，并不改变数值大小。（4）仅仅是X与Y之间线性关系的一个度量，它不能用于描述非线性关系。这意味着，＝0只表示两个变量之间不存在线性关系，并不表明变量之间没有任何关系，比如他们之间可能存在非线性关系。（5）虽然是两个变量之间线性关系的一个度量，却不一定意味着X与Y一定有因果关系。检验：相关系数的检验可以用t分布检验进行。检验的具体步骤首先确定原假设编：两变量之间不存在线性关系（H0：ρ＝0）瑟。：两变量之间存在线性关系（H。：ρ≠0）其次，计算统计量t值最后，利用其对应的概率值进行判断，如果概率值小于或等于指定的显著性水平（一般α＝0．05），则我们可以拒绝原假设，接受备择假设，即两变量之间存在线性相关关系。否则不能拒绝原假设，可以认为两变量之间不存在显著的相关关系。六、一元线性回归分析1．相关分析和回归分析的区别：相关分析旨在测度变量之间关系的密切程度，它所实用的测定工具就是相关系数。而回归分析则是考察若干自变量X与因变量Y之间的数量变化规律的统计方法和技术。2．回归分析的主要内容：（1）从样本数据出发，确定变量之间的数学关系式；（2）估计回归模型参数；（3）对所确定的关系式进行各种统计检验，并从影响某一特定变量的诸多变量中找出影响显著的变量。3．一元线性回归模型理论回归模型：Y＝βo＋β1x＋ε估计的回归方程：?＝0＋1x4．参数的最小二乘估计用普通最小二乘法得到参数估计值的具体计算公式为：5．回归系数的含义：Y＝0＋1x中的0是直线的结局，表示当解释变量为零时Y的平均值。回归系数1是直线的斜率，表示解释变量x每增加一个单位，被解释变量将相应地平均变化1个单位。6．回归系数的检验和评价（1）经济意义检验利用相关的经济学原理及我们所积累的丰富的经验，对所估计的回归方程的回归系数进行分析与判断，看其能否得到合理的解释。（2）同归方程的统计检验包括回归方程的显著性检验（F检验）和对同归系数的检验（t检验）。一冗线性回归分析时，由于只有一个解释变量，因此t检验与F检验的结果是一致的。（3）回归方程的评价（拟合程度分析）判定系数R2的公式为：判定系数R2的取值范围是[0，1]，R2越接近于l，表明回归平方和占总变差平方和的比重越大，回归直线于个观测点越接近，
& 果果文库所有资源均来源于互联网，仅供网友学习交流，若侵犯了您的权益，请联系我们予以删除。
10128&&人浏览
16905&&人浏览
6200&&人浏览
15039&&人浏览
14669&&人浏览
18091&&人浏览
19615&&人浏览
5106&&人浏览
16746&&人浏览
10475&&人浏览
4921&&人浏览
9007&&人浏览
6009&&人浏览
17413&&人浏览
19211&&人浏览
本文标题：统计方法 链接地址：
copyright@ 2013- Inc. All Rights Reserved 果果文库 版权所有 联系站长: ; 经营许可证编号:浙ICP备号关注今日：33 | 主题：194725
微信扫一扫
【求助】何种统计方法可以判断某种因素是一种疾病的独立危险因素
页码直达：
这个帖子发布于2年零214天前，其中的信息可能已发生改变或有所发展。
如题示！另卡方检验的意义大不大，可以说明某种因素是该疾病的独立危险因素吗？
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
一般不能做个多因素综合分析，如LOGISTIC回归
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
动态跟踪版信息专员
山水约定 一般不能做个多因素综合分析，如LOGISTIC回归二分类变量是某种疾病的有无，作多因素logistic回归，假设OR=5，95%CI（3-8），可以说这个因素是该疾病的独立危险因素吗？假如OR=0.7，95%CI（0,1-0.9）,可以说该因素（t检验发现该因素在疾病中下降）是保护因素吗？logistic可以确定因果关系吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
清热解毒2号 二分类变量是某种疾病的有无，作多因素logistic回归，假设OR=5，95%CI（3-8），可以说这个因素是该疾病的独立危险因素吗？假如OR=0.7，95%CI（0,1-0.9）,可以说该因素（t检验发现该因素在疾病中下降）是保护因素吗？logistic可以确定因果关系吗？还要考虑该变量在LOGISTIC回归中是否显著啊不过你的判断基本上是对的是保护还是危险因素，你的方向感非常正确。在实践中，可以把纳入变量的方向预先在赋值时就调整成”一顺”的。这样，OR值升高可以统一解释成保护性（或危险性）因素了。这样不绕人！！注意了---很多SCI杂志对此很有讲究。希望细心一些，注意小节。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
动态跟踪版信息专员
山水约定 还要考虑该变量在LOGISTIC回归中是否显著啊不过你的判断基本上是对的是保护还是危险因素，你的方向感非常正确。在实践中，可以把纳入变量的方向预先在赋值时就调整成”一顺”的。这样，OR值升高可以统一解释成保护性（或危险性）因素了。这样不绕人！！注意了---很多SCI杂志对此很有讲究。希望细心一些，注意小节。 再请教山水老师，我的疾病的影响因素很多（真实世界中有10个以上，），个别因素之间还会相互影响（吸烟、性别）。我在做多因素logistic回归时，考虑到一下子纳入太多因素不行，可以先从10个里面挑5个，然后再挑5个进行……（这种方法好像很笨），多做几个logistic模型，有更好的方法吗？我纳把入不同因素的多因素logistic回归模型分别列到文章内，这样可行或有意义吗？怎样排除多因素logistic回归模型中因素之间的相互影响？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
清热解毒2号
再请教山水老师，我的疾病的影响因素很多（真实世界中有10个以上，），个别因素之间还会相互影响（吸烟、性别）。我在做多因素logistic回归时，考虑到一下子纳入太多因素不行，可以先从10个里面挑5个，然后再挑5个进行……（这种方法好像很笨），多做几个logistic模型，有更好的方法吗？我纳把入不同因素的多因素logistic回归模型分别列到文章内，这样可行或有意义吗？怎样排除多因素logistic回归模型中因素之间的相互影响？为什么要分批次纳入？这样做会有问题的。可以前进法、后退法和逐步回归法进行自变量筛选，可以赤池信息量准则（AIC），也可以根据R2。R是根据AIC来的；SAS用了很多，包括了R2。要交互作用的话，在R中可以手动纳入方程，SPSS没做过自变量多了，交互就很麻烦，有一级交互作用，二级交互作用，三级……一般是自变量比较少的适合考虑交互，譬如正交设计、析因设计或者协方差。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
可以考虑这个自变量是否和其他自变量产生交互效应，如果没有交互效应，说明这个自变量的影响是独立的。其次分析这个自变量对因变量的影响是否显著，是危险因素还是保护因素。（南心网 SPSS数据统计分析）
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
Young_SMMU 为什么要分批次纳入？这样做会有问题的。可以前进法、后退法和逐步回归法进行自变量筛选，可以赤池信息量准则（AIC），也可以根据R2。R是根据AIC来的；SAS用了很多，包括了R2。要交互作用的话，在R中可以手动纳入方程，SPSS没做过自变量多了，交互就很麻烦，有一级交互作用，二级交互作用，三级……一般是自变量比较少的适合考虑交互，譬如正交设计、析因设计或者协方差。用前进法、后退法和逐步回归法进行自变量筛选，然后选出有意义的再纳入回归吗？用前进法、后退法和逐步回归法筛选出的有意义的变量是不是就是不受其他变量影响的独立因素？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
tyke1712 可以考虑这个自变量是否和其他自变量产生交互效应，如果没有交互效应，说明这个自变量的影响是独立的。其次分析这个自变量对因变量的影响是否显著，是危险因素还是保护因素。（南心网 SPSS数据统计分析）请问怎么判断交互效应？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
dxy_iqwiffa5 用前进法、后退法和逐步回归法进行自变量筛选，然后选出有意义的再纳入回归吗？用前进法、后退法和逐步回归法筛选出的有意义的变量是不是就是不受其他变量影响的独立因素？forward OR backward OR stepwise，“或”选一种即可这样的做法是考虑了变量之间的相互校正的，也是医学统计学教材推荐的做法。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园