命令：	统计 回归 散点图和回归线

描述

在散点图中，以图形方式显示了两个数值变量之间的关系。一个变量（自变量X）定义水平轴，另一个变量（因变量Y）定义垂直轴。数据电子表格中同一行上的两个变量的值给出了图中的点。

必填项

散点图的对话框类似于“回归”对话框：

变数

• 变量Y和变量X：选择因变量和自变量Y和X。
• 权重：选择一个变量，该变量应包含每个观察值的相对权重（用于加权最小二乘回归）。为自动加权回归程序选择虚拟变量“ *** AutoWeight 1 / SD ^ 2 ***”，以校正异方差（Neter等，1996）。该虚拟变量在“权重”下拉列表中显示为第一项。
• 过滤器：您也可以输入数据过滤器，以便仅在统计分析中包括案例的选定子组。

回归方程

默认情况下，选择在方程中包括常数。建议使用此选项，这将导致普通的最小二乘回归。当需要通过原点进行回归时（方程中没有常数a），可以取消选中此选项（Eisenhauer，2003年给出了适合的示例）。

MedCalc提供5种不同的回归方程式供您选择（x代表自变量，y代表因变量）：

当您选择一个包含对变量之一的对数转换的方程式时，程序将为相应变量使用对数刻度。

选件

• 95％置信度：将在回归线旁边绘制两条曲线。这些曲线表示回归线的95％置信区间。该间隔包括可能性为95％的真实回归线。
• 95％预测：将在回归线旁边绘制两条曲线。这些曲线代表回归曲线的95％预测间隔。95％的预测间隔比95％的置信区间宽得多。对于任何给定的自变量值，此间隔代表因变量值的95％概率。
• 等距线：在图形中绘制等距线（y = x）的选项。
• 热图：显示热图的选项，其中背景色编码指示点的密度，建议观察的群集。

残差

在回归分析中，残差是因变量的预测值和观察值之间的差。残差图可以直观地评估所选模型的拟合优度。

要获取残差图，请在对话框中选择此选项。此图将显示在第二个窗口中。

亚组

如果要在散点图中标识子组，请单击“子组”按钮。将显示一个新对话框，您可以在其中选择分类变量。该图将针对此变量中的不同类别使用不同的标记，并且可以选择显示所有情况和每个子组的回归线。

例子

带有回归线的散点图

回归线和95％置信区间

回归线和95％的预测间隔

回归线，95％置信区间和95％预测区间

当您单击回归线上的点时，程序将给出使用回归方程计算的x值和f（x）值。

您可以按Ctrl + P打印散点图，或按功能键F10将图片另存为磁盘上的文件。要在图形中定义其他标题或颜色，或更改轴的缩放比例，请参见设置图形格式。

如果要重复散布图，可能要选择其他回归方程，则只需按功能键F7即可。该对话框将与先前的条目一起重新出现（请参阅“调用对话框”）。

外推法

MedCalc仅显示观察值范围内的回归线。通常，不建议将回归线外推到观察范围之外。但是，对于特定的应用，例如稳定性数据评估，外推法可能会有用，例如，请参阅ICH准则稳定性数据评估（PDF）。

要允许外推，请在图形上单击鼠标右键，然后在弹出菜单中选择“允许外推”。

残积图

当在“回归线”对话框中选择“残差图”选项时，程序将显示包含残差图的第二个窗口。残差是因变量的预测值和观察值之间的差。残差图可以直观地评估所选模型或方程式的拟合优度。残差可能指向数据中的异常值（异常值）或回归模型存在问题。如果残差显示特定模式，则应考虑选择其他回归模型。

文学

• Altman DG（1991）医学研究的实用统计学。伦敦：查普曼和霍尔。 
• Eisenhauer JG（2003）通过原点回归。教学统计25：76-80。
• Neter J，Kutner MH，Nachtsheim CJ，Wasserman W（1996）应用线性统计模型。4^个编 波士顿：麦格劳-希尔。