环境科学中变量间的关系分析.docVIP

第章 环境科学中变量间的关系分析 第一节 回归和相关的概念 客观事物是普遍联系的，客观现象中因素(变量)间存在相互制约的关系，根据关系的确定程度，可分为两类，即函数关系和相关关系。1.函数关系 函数关系指两个相互关联的变量间存在完全确定的数量关系，可用精确的数学表达式表，当1个变量取某一定值时另1个变量有一个确定的数值相对应，知道了其中1个变量的值就可以计算出另1个变量的值，如。 2.关系 关系指两个相互关联的变量间存在一定的数量关系，而这种关系并不是完全确定的，当一个变量发生变化时，另一个变量也按一定的规律作相应的变化，但当一个变量取某一定值时，另一变量的对应值不是完全确定的，而是具有一定的随机性，在一定范围内变化。 自变量与因变量 关系根据变量的作用特点，又可分为因果关系和平行关系两种。 因果关系指一个变量与另一个或几个变量存在原因和反应性质的关系。将表示原因的变量称为自变量（independent variable），以表示，将表示结果的变量称为因变量（dependent variable），以表示，如植物吸收的重金属)与土壤重金属含量)间的关系，某城市人群肺病的犯病率)与大气中污染物浓度)间的关系，土壤中农药的残留量)与土壤水分)、土壤有机质含量)等因素的影响等。 如果两个以上变量间并不是原因和结果的关系，而呈现一种共同变化的特点，这种关系为平行关系。平行关系中没有自变量和因变量之分，如污染河水中COD与BOD的共同消长、土壤中不同重金属元素的共生组合等。 回归分析与相关分析 回归分析（regression analysis） 通常将计算回归方程为基础的统计方法成为回归分析。回归分析揭示呈因果关系的相关变量间的联系形式，建立它们间的回归方程，利用所建立的回归方程，用自变量来预测、控制变量。如分析土壤中元素含量与植物体内含量的关系等。根据自变量个数可分为一元回归分析和多元回归分析。一元回归分析研究“一因一果”，即一个自变量与一个变量的回归分析，又分为直线回归分析与曲线回归分析两种；多元回归分析研究“多因一果”，即多个自变量与一个变量的回归分析，又分为多元线性回归分析与多元非线性回归分析两种。 2. 相关分析(correlation analysis) 将计算相关系数为基础的统计方法为相关分析。相关分析是研究两个或两个以上随机变量间在数量关系上的密切程度及其性质。 相关分析可分为简单相关分析和多元相关分析，后者又包括复相关分析和偏相关分析。复相关分析是对多个变量进行相关分析时，研究一个变量与多个变量间的线性相关；偏相关分析研究其余变量保持不变的情况下两个变量间的线性相关。两个变量为直线相关时称为相关系数(correlation coefficient),记为；变量与多个变量间的相关关系称为复相关系数(multiple coefficient)，记作；在两个变数曲线相关时称为相关指数（correlation index），记作。 如果两变量是平行关系，只能用相关来研究。在相关分析中，变量x和y无自变量相依变量之分，不需确定谁是自变量，谁是因变量，不能用一个变量的变化去预测另一个变量的变化，这是回归与相关区别的关键所在。 有两个变量，一个变量用符号x表示，另一个变量用y表示，通过试验或调查获得两个变量的成对观测值，表示为（x1，y1），（x2，y2），……，（xn，yn）。为了直观地看出x和y间的变化趋势，可将每一对观测值在平面直角坐标系描点，作出散点图（见图-2）。从散点图可以初步反映x，y间的关系，包括：两个变量间关系的性质（是正相关还是负相关）和程度（是相关密切还是不密切）；两个变量间关系的类型，是直线型还是曲线型；是否有异常观测值的干扰。第二节 直线回归分析及检验 直线回归方程 如从散点图发现两个变量间的关系呈直线趋势，可利用直线回归方程研究变量y与x在数量上的互变规律，从x的数量变化来预测y的变化。由于因变量y的实际观测值总是带有随机误差，因而实际观测值yi可表示为： (i=1,2, …, n)