a) Pearson's correlation coefficien

a) Pearson's correlation coefficient assumes the association to be linear which often requires transformation. This can also be seen as an advantage as this same transformation will then be used when using the more complex linear regression approach (adjusting for potential confounders).
b) Both these methods only measure the observed correlation without been able to consider confounding effects. These approaches are thereby not very useful for transversal, case-control or cohort studies.
c) I also find it difficult to interpret clinical implications from simple correlation coefficients preferring the squared coefficient which then corresponds to the proportion of explained variance and is equivalent to the coefficient of determination R2 measured in linear regression analysis.

Kết quả (Việt) 1:

a) hệ số tương quan Pearson giả định các Hiệp hội là tuyến tính mà thường đòi hỏi phải chuyển đổi. Điều này có thể cũng được xem như là một lợi thế khi chuyển đổi tương tự này sau đó sẽ được sử dụng khi sử dụng các phương pháp hồi quy tuyến tính phức tạp (lắp đặt cho các tiềm năng confounders).b) cả những phương pháp này chỉ đo các mối tương quan quan sát mà không có được khả năng để xem xét confounding hiệu ứng. Những cách tiếp cận đó không phải là rất hữu ích cho transversal, trường hợp kiểm soát hoặc khóa học.c) tôi cũng thấy rất khó để giải thích ý nghĩa lâm sàng từ đơn giản hệ số tương quan thích bình phương hệ số mà sau đó tương ứng với tỷ lệ giải thích phương sai và là tương đương với hệ số xác định R2 đo trong phân tích hồi qui tuyến tính.

Kết quả (Việt) 2:

a) Hệ số tương quan Pearson giả định các hiệp hội để được tuyến tính mà thường đòi hỏi chuyển đổi. Đây cũng có thể coi là một lợi thế khi chuyển đổi này cùng sau đó sẽ được sử dụng khi sử dụng phương pháp hồi quy tuyến tính phức tạp hơn (điều chỉnh yếu tố gây nhiễu tiềm năng).
B) Cả hai phương pháp này chỉ đo tương quan quan sát mà không thể xem xét các hiệu ứng nhiễu. Những phương pháp này đều do đó không phải là rất hữu ích cho ngang, bệnh chứng hoặc nhóm nghiên cứu.
C) Tôi cũng cảm thấy khó khăn để giải thích ý nghĩa lâm sàng từ các hệ số tương quan đơn giản thích hệ số bình phương sau đó tương ứng với tỷ lệ sai giải thích và tương đương với hệ số xác định R2 đo trong phân tích hồi quy tuyến tính.

Kết quả (Việt) 3:

Pearson của hệ số tương quan được cho là liên quan đến là tuyến tính, nó thường cần phải thay đổi.Đây cũng có thể xem là một lợi thế, sự thay đổi này sẽ sử dụng phương pháp phức tạp hơn hồi quy tuyến tính (điều chỉnh khả năng trộn lẫn các yếu tố).Có hai cách để chỉ đo lường đã quan sát thấy tương quan, và không có khả năng xem xét ảnh hưởng của hỗn hợp.Do đó, những phương pháp là rất hữu dụng nằm ngang, hoặc nghiên cứu các trường hợp xác định.C) Tôi cũng khó giải thích ý nghĩa lâm sàng, từ đơn giản là hệ số tương quan của hệ số vuông, và sau đó chọn giải thích phương sai tương ứng tỷ lệ, tương đương với Linear Regression mẫu xác định hệ số đo R2.