第八章简单相关与简单回归.pptVIP

第八章 简单相关与简单回归 学习要求 了解相关分析和回归分析是研究生物现象相互关系的两种统计方法。了解相关和回归的含义、区别和联系；理解在相关、回归分析中显著性检验的意义及等价关系；掌握简单线性相关、直线回归的分析步骤及应用。 重点与难点 重点：简单线性相关、直线回归的含义及分析方法 难点：相关、回归的显著性检验 思考题及作业 1、相关系数与回归系数的意义是什么？ 2、相关系数与配合回归直线有何关系？ 3、建立回归方程时的最小二乘原理是什么意思？ 4、习题作业：《标准化综合测试题》第八章1—4题 参考书 1．杜荣骞编.1987.生物统计学.高等教学出版社. 231—291页 2．周复恭等编著.1989.应用线性回归分析.中国人民大学出版社. 1—87 171—186页 第一节 直线相关 二、相关系数的计算 三、相关系数的显著性检验 五、等级相关 第二节 直线回归 从配合各相关点的回归直线 七、回归关系的方差分析（F检验） 八、两样本回归系数间差异的显著性检验 第四节 简单相关和简单回归的应用 *第三节 曲线回归 二、能直线化的曲线类型及方程 三、配合曲线的实例 四、曲线配合的拟合度测定（相关指数） 某日龄体重的校正系数=标准断奶日龄体重估计值/某日龄体重估计值= x / i 某日龄实际体重×某日龄体重校正系数=校正后体重 例如羔羊体重对日龄的回归方程为： =0.161x+9.99 120日龄体重的估计值： 120=0.161×120+9.99=29.31 100日龄体重的估计值： 100=0.161×100+9.99=26.09 100日龄体重的校正系数= 120/ 100=29.31/26.09=1.123 如果某羔羊称重那天为100日龄，称得体重为28kg，校正成120日龄体重应为28×1.123=31.44kg。 其它日龄的校正系数都可一一如法算出。 对于曲线问题如有需要亦可以一定点为标准求校正系数。 （四）由回归直线估测 其方法是先由回归方程绘制回归直线图，譬如方程是： =0.7133x+2 根据该方程式，计算出自变量最小及最大值对应的 值。假定自变量的范围是3~8，则 x=3时 ＝0.7133×3＋2=4.1399 x=8时 ＝0.7133×8＋2=7.7074 在坐标图上找到这两个点（3，4.1399）及（8，7.7074），将这两个点用直线相连，就得我们所需要的回归直线。应用回归直线可从x来估测 值。 同样，在回归曲线方面，亦可由回归公式绘制曲线图；由图来对依变量y作估测。 （五）把回归分析与方差分析结合起来运用可作协方差分析 最后，关于相关和回归的应用要注意：由于它们所表示的是变量间的统计关系，分析所得的数量指标或数学表达式，往往带有其所产生的那个群体或样本的特异性而并不具有通用性。特别是在生物方面，由于品种、类型、年龄以及饲养管理条件等因素的差异，来自某个特定群体的统计数对另一群体不一定适用。这就是说，要考虑到相关系数、回归系数等这些统计数的运用范围。另外，相关分析和回归分析毕竟是处理变量间关系的数学方法，在将这些方法应用于生物时，要考虑生物本身的客观实际情况。譬如，哪些性状实际存在着相关关系，求出的回归方程是否有实际意义，回归直线是否可延伸，某性状充当自变量或依变量的确定等等。这些问题的处理都需结合专业知识来判断，并且还应回到畜牧生产实践和科学实验中去检验。这就是说，在应用数学方法分析生物现象时，要考虑到生物规律。 一、配曲线的意义、步骤和方法 在实际问题中，有时两个变量之间的内在关系不是直线关系，而是曲线关系。例如生物生长中某时期的重量与时间的关系；动物发育过程中年龄与各种生理指标变化的关系；泌乳量与泌乳胎次的关系等等，都不是用简单的直线关系所能表达的。这时不如选择配合适当类型的曲线，使能更符合两变量的实际关系。一般，对试验数据的配曲线可以分以下几个步骤来进行： 1．确定x与y两变量之间内在关系的函数类型 ①根据专业知识（从理论推导或过去经验）可以确定两变量之间的函数类型。 ②根据理论或经验无法推知x与y关系的函数类型。这时，可以利用一些数学坐标纸（如算术坐标纸，单对数坐标纸、双对数坐标纸等）将实测数据绘制成点图。从散点图的分布形状特点，选择适当的曲线来拟合这些试验数据。 2．确定x与y相关函数中的未知参数 确定函数类型后，进一步就须确定函数关系式中的未知参数。如上述指数函数 y=aebx中的a与 b 二个未知参数。 3．对所配的曲线回归关