GraphPad Prism统计习题，配合单元课学习效果拔群（五）

转载请注明：解螺旋·临床医生科研成长平台

习题

LncRNA-A、miRNA-B、Gene-C的表达如下，共30例，请分析三者的表达关系：

截取前5例

木有文献示例。

答案：线性回归或相关性分析

很明显，这是在同一批样本中检测了三个基因的表达，那么维度只有这一个。要看三者之间的两两关系，可以用简单的线性回归。选XY格式的数据表，把数据直接贴过来。

点Analyze之后，你会很快看到XY analyses下有个线性回归的选项。不过下边还有一个大同小异的Correlation，一会再说说它。

后边的选项看起来复杂，其实也挺好理解，很多选项都默认就行了，所以原谅我懒一回不截图了~

得到的结果有斜率、截距，以及表示相关程度的R2、P值。

画图时，可以选择各组分别出图，并加上拟合线：

这样就得到了两张图：

但线性回归是只能做一组X和各组Y之间的关系，所以如果要看B和C的关系，则要另建一个表，以B为X轴、C为Y轴再做一遍。

不过刚才提到的Correlation，则提供了另一种办法。那就是不管X轴！把数据全贴到Y轴上。

这样，Analyze选Correlation之后，右边会出现三列，全选点OK来到下一个弹窗，选第一行计算各个Y轴数据之间的相关性。下方会提示根据数据是否符合正态分布，从而决定用Pearson法还是Spearman法。单尾双尾的选择如前述。

得到R值的矩阵就是这个样子：

还有一个P值的矩阵：

P值的意义我们都熟悉了。在具有统计显著性的基础上，看看各对变量之间的R值，正相关还是负相关、相关程度如何。这个R和线性回归里的R是一样的，只不过报告中一个有平方一个没平方。并且散点图没有拟合线。

它们的确有所区别。线性回归多是用于预测，在X轴可控、可干预的情况下预测Y轴事件的变化。而相关性分析多用于观察现象，看两者是否同步变化及其变化的关系，无所谓谁是X谁是Y。

但也看到有些学者不主张把它俩分这么清楚，毕竟算出来都一样，而线性回归也是给它们的关系提供一种描述方式。所以你也会发现不少文献里会用线性回归描述相关性。

不过到画图时就要想一下了，如果再多几组，则有一种表现策略是作散点图矩阵。

这种矩阵图当然对角线上下两半是一样的，可以只画其中一半，随你~

不要怀疑，上图就用R做的，示个意而已~大家可以探索下用Prism怎么做。R只有一句咒语：plot(Data)，没错又是因为我懒。（但这么短的命令只能管素颜）

再用R值矩阵做个热图，表现各组间相关程度。这回是Prism了（格子少的热图是真丑，我就示个意~>_