数理统计在植保试验研究中的应用第七讲多元线性回归分析.pdfVIP

! 植保技术与推广 ， ， !#$% !’%()%*’$ +(),$’’-. #$/ 01%($2*’$ 3445 6’7 358 9’7 53 $%%%%$ % % % 植保 % % 数理统计在植保试验研究中的应用 % % 讲座 % $%%%%$ 第七讲 多元线性回归分析 唐启义 # 中国水稻研究所 杭州 $ % ’ % 多元线性回归分析简介 题是需要选择哪些自变量来建立回归方程。一 直线回归和曲线回归是研究 个因变量和 般来说，根据问题本身的专业理论及相关经验， % % 个自变量之间的关系。但实际上，某种病虫种 我们会尽可能多地初选出可能与因变量有关的 群数量的消长，常常是多个影响因子相互作用 自变量，以避免遗漏重要因子。但是，这其中会 的结果。如害虫发生量往往与虫口基数、寄主 有一些自变量对因变量实质上无影响或影响很 植物和外界环境等多个因素有关。多元线性回 小。这些无影响或影响很小的因子如果包含在 归就是研究这类 % 个因变量和多个自变量的线 回归方程中，不仅计算量大，而且预测的精度会 性关系的方法。 下降。这样，为从较多的初选因子中选择出一 “ ” 多元线性回归分析是用方程 ! # $ % 些作用较大的因子，建立 最优 回归方程，人们 表示因变量 与 个自 提出了许多方法，如 从所有可能的自变量组 ’ ( ) ’ ( ! ( ’ ! ( % % * * ( ( 变量 ， ，…， 的线性关系。这里 称为 合的回归方程中挑选最优者； 从包含全部变 +% ’* ’( ! ! # 的估计值或预测值，表示各自变量值给定时因 量的回归方程中逐次剔除不显著的因子； 从 $ # ’ 变量的估计值； 为截距 常数项 ，表示各自变 一个变量开始，把变量逐个引入方程； 有进有 $ % 量均为 时 的估计值； 为偏回归系数，它 出地逐步回归分析。 ! ) 表示其他自变量不变时， 每改变一个单位， 这几种方法以逐步回归分析法在筛选变量 ’) ! 估计值的变化量。 方面较为理想。该方法是从一个自变量开始， 线性回归方程，也可以用矩阵形式表示： 视自变量对 ! 作用的显著程度，从大到小地依 ! %   % ’ %% ! ’ %(    +%  次逐个引入回归方程。但当