生物统计上机操作第六讲 相关分析与回归分析.docVIP

研究生《生物统计学》课程τ相关系数：等级相关系数，只能在两变量均属于有序分类时使用； Spearman等级相关系数：度量定序型变量间的线性相关关系，非参数相关分析。 （一）两变量相关分析 1、案例分析：有人研究黏虫孵化历期平均温度（x, ℃ ）与历期天数（y, d）之间的关系，求出平均温度与历期天数的线性相关系数 x，平均温度（℃） 11.8 14.7 15.6 16.8 17.1 18.8 19.5 20.4 y, 历期天数（d） 30.1 17.3 16.7 13.6 11.9 10.7 8.3 6.7 建立数据文件，在Variable Vew中定义变量“平均温度”、“历期天数”，小数位数均为1，输入数据； 相关分析：[Analyze]=[Correlate]=[Bivariate]（两变量相关分析），打开[]主对话[Variables]（变量）框 （相关系数肩标**表示在概率为0.01（双侧）水平上具有显著性意义） 2、练习：研究小白鼠体内丧失水分与温度变化之间的关系，随机抽取一群小白鼠，在一系列温度下，规定时间内测定这群小白鼠散发出来的水分，得到如下数据，试分析温度与散发出来的水分之间的相关性是否显著。 X（温度，℃） 15 20 25 30 35 Y（水分蒸发量，g） 2.79 2.92 3.18 3.34 3.58 （二）多个变量间相关分析： 1、案例：测定13块某品种水稻每亩的穗数（x1，万）、每穗粒数（x2）、每亩稻谷产量（y，kg），结果如下表，试进行相关分析。 编号 穗数x1 粒数x2 产量y 1 26.7 73.4 504 2 31.3 59.0 480 3 30.4 65.9 526 4 33.9 58.2 511 5 34.6 64.6 549 6 33.8 64.6 552 7 30.4 62.1 496 8 27.0 71.4 473 9 33.3 64.5 537 10 30.4 64.4 515 11 31.5 61.1 502 12 33.1 56.0 498 13 34.4 59.8 523 操作与两变量间相关分析基本相同，将“穗数x1”、“粒数x2”、“产量y”引进[Variables]（变量）框 （结果表明：穗数与粒数之间存在极显著的线性负相关关系，穗数与产量之间存在显著的正相关关系。） 二、回归分析：用一个或多个变量去估计另一个变量，SPSS中”Regression”模块 （一）一元线性回归 1、案例分析：有人研究黏虫孵化历期平均温度（x, ℃ ）与历期天数（y, d）之间的关系，求出平均温度与历期天数的线性回归方程。 x，平均温度（℃） 11.8 14.7 15.6 16.8 17.1 18.8 19.5 20.4 y, 历期天数（d） 30.1 17.3 16.7 13.6 11.9 10.7 8.3 6.7 建立数据文件，在Variable Vew中定义变量“平均温度”、“历期天数”，小数位数均为1，输入数据； 回归分析：[Analyze]=[Regression]（回归分析）=[Linear]（线性回归），打开[]主对话[Dependent]（因变量），将“平均温度”引进[Independent]（自变量）； 点击[Statistics…]，打开描述统计对话框，选择“Descriptive”、“Estimates”（可输出回归系数b及其标准误差）、“Model fit”，[Continue]返回； 单击[Options]进入“选项”对话框，选择系统默认，[Continue]返回； 单击[OK]，运行线性回归分析。 SPSS分析结果 回归关系的方差分析（结果表明p0.01，存在极显著的线性回归关系） 回归系数及回归系数的t检验 黏虫孵化历期平均温度（x, ℃ ）与历期天数（y, d）之间存在极显著的线性回归方程： Y=57.039-2.532x 2、练习：研究小白鼠体内丧失水分与温度变化之间的关系，随机抽取一群小白鼠，在一系列温度下，规定时间内测定这群小白鼠散发出来的水分，得到如下数据，求温度与水分蒸发量的线性关系。 X（温度，℃） 15 20 25 30 35 Y（水分蒸发量，g） 2.79 2.92 3.18 3.34 3.58 （二）、多元线性回归：研究一个因变量与多个自变量之间的线性依存关系 1、案例分析：调查8个地区某商品的销售额与该地区购买力和该商品流通量的资料如下表，试对其进行多元线性回归。 地区 销售额Y 购买力X1 流入量X2 1 6800 1300 400 2 1900 350 1200 3 2800 180 700 4 1000 340 400 5 700 70 1600 6 500 2