相关性分析

---------------------------相关性分析-------------------------------

定量资料的相关性分析

• 可以是线性，也可以是非线性

  • 正态分布
    • Pearman相关系数
  • 偏态分布
    • Spearman相关系数
      • 分别对Xi和Yi进行编秩

• Proc corr <选项>;

• Pearson	该选项要求输出Pearson相关系数，也是程序默认的输出结果
  Spearman	该选项要求输出Spearman相关系数
  Fisher	输出相关系数的可信区间

• Var变量1变2 …;

• Partial 变量1 变量2 …;用于偏相关，控制协变量(比较纯的相关系数，得出的结果为偏相关系数)

• Run

绘制散点图

• proce corre plots=matrix(histogram)

  • histogram 为在散点图中加不加直方图，有则加无则不加

分类变量的关联性分析

• 无序非配对资料

  • pearson列联系数，r
  • phi系数
  • Cramer V系数

• 配对资料

  • Kappa系数

• Proc freq <选项>;

• Table 行列 / <选项>;

  • chisq	可输出Pearson χ2检验、似然比检验、Mantel-Haenszel检验、phi系数、列联系数等值。 四格表还可输出连续校正χ2检验和Fisher确切检验
    trend	输出趋势检验结果，仅限于2×C表或R×2表
    agree	用于配对检验，可输出一致性系数。对四格表还给出McNemar配对检验结果，对R×R表给出Boeker对称性检验结果
    nopercent	不显示总数的百分比
    norow	不显示行合计的百分比
    nocol	不显示列合计的百分比
    exected	显示理论数
    fisher	输出Fisher确切概率

• Test 统计量关键字；

  • kappa	对一致性系数（Kappa系数）进行统计学检验
    measures	对tabled语句中measures选项输出的所有关联系数进行检验
    pcorr	对Pearson相关系数进行检验
    scorr	对Spearman相关系数进行检验

• Weight 权重变量;

• By 分层变量;

• Run;

  有序资料

• spearman相关系数

  • proc corr spearman;

    var a b;

    freq f;

    run;

    -----------------------------------------总结 -------------------------------------------------

    方法选择：

    • 对于定量资料，如果数据符合正态分布，可以采用Pearson相关分析，如果资料不服从正态分布，可采用Spearman相关分析。三个及以上的变量分析，可采用偏相关，以校正混杂因素的影响。

    • 对于定性资料，如果数据为非配对资料，可采用perason、phi系数、Cramer系数等表示相关性。如果是配对资料，还可采用Kappa一致性检验

    • 如果相关系数很小，P值提示无统计学意义，结论只能说“无线性相关”，但不能说“无相关性”

  分类资料的关联性和一致性的区别

  • 一致性主要用于两种属性同时作用于同一批数据，如两位专家同时对同一个人打分，两种方法同时对一批样品检测等

  • 关联性所用的场合要宽泛一些，基本上可以用于任意两个属性之间的关联性表示，包括一致性所用的情形。如某指标的阴性阳性与疾病发生与否的关系、两种基因型的关系等。

  • 一般来讲，强的一致性会出现强的关联性，而强的关联性则不一定出现强的一致性。