生物医学统计分析实验7报告.docVIP

评分 大理实验报告 2015—2016学年度第 2 学期 课程名称 实验名称 专业班级 2013级生物医学工程 姓 名 朱广能 马凯 学 号 2013166144 2013166124 实验日期 2015年2月31日 实验地点 工科楼503 一实验目的 学会数据的一些基本统计分析方法及操作。 二、实验环境 硬件配置： 软件环境：IBM SPSS_Statistics_19_win32 实验内容 自动线性建模 确定回归方程中的因变量和自变量 确定回归模型 建立回归方程 对回归方程进行各种检验 利用回归方程进行检验8.1] 其分析的任务是根据若干个观测值（xi，yii=1，2，…，n找出描述两个变量x与y 之间关系的线性回归方程： （四）多元线性回归分析（linear过程） [Eg8.2]、[习题1] 在生物医学领域的许多实际问题中，常常需要研究一个因变量与多个自变量间的相关关系。比如动物的体重同时受体长、身高、胸围等性状的影响。因此需要进行一个因变量与对个自变量间的回归分析，即多元回归分析。在多元线性回归分析中，用户可以根据需要，选用不同删选自变量的方法(如：逐步法、向前法、向后法等) （五）曲线回归分析urve Estimation过程8.3]、[习题2] 在实际生产中因变量x与自变量y间的相关关系并非一定是线性关系更多的是 各种各样的曲线关系 来解决。曲线回归的基本分析过程是：先通过变量替换的方法把不满足线性关系的 数据转换为符合线性回归模型的数据，再利用线性回归分析方法建立线性回归方程 并进行显著性检验，然后再转换成曲线回归方程。 （六）生长曲线的方程拟合 [Eg8.4] 在生物生长过程中初始阶段的生物量增长较缓慢继之速度加快进入快速期而 后又转入缓慢期直至停止生长呈S”型称为生长曲线 Gompertz和Von Bertalanffy曲线方程的拟合四、实验结果与分析 表8.1-1 饲料消耗和体重的描述性统计量 均值 标准 偏差 N 饲料消耗 93.560 3.8816 10 体重 4.980 .4131 10 表8.1-2 饲料消耗和体重的相关性分析表 饲料消耗 体重 Pearson 相关性 饲料消耗 1.000 .818 体重 .818 1.000 Sig. （单侧） 饲料消耗 . .002 体重 .002 . N 饲料消耗 10 10 体重 10 10 表8.1-3 饲料消耗和体重回归分析的相关模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .818a .670 .629 2.3656 a. 预测变量: (常量), 体重。 表4 饲料消耗和体重回归分析的 Anovab 模型 平方和 df 均方 F Sig. 1 回归 90.836 1 90.836 16.232 .004a 残差 44.768 8 5.596 总计 135.604 9 a. 预测变量: (常量), 体重。 b. 因变量: 饲料消耗 表8.1-5 饲料消耗和体重的回归系数a及t检验 非标准化系数 标准系数 t Sig. B 标准误差 试用版 1 (常量) 55.263 9.535 5.796 .000 体重X 7.690 1.909 .818 4.029 .004 a. 因变量: 饲料消耗 分析8.1-1给出了饲料消耗和体重的描述性统计量； 表8.1-2可见，相关系数r=0.818，显著概率（Sig.）P=0.0020.01,即体重和饲料消耗之间是极显著正相关关系； 表8.1-3是有关线性回归模型的参数，“R ”相当于两个变量的简单相关系数r；“R方”即相关系数的平方值，也称为决定系数r2或拟合度R2，其值为0.670，表示因变量饲料消耗量的变异中有67.0%是由自变量体重的不同造成；“调整R方”是修正的决定系数，为0.629.“标准估计的误差”是估计值的标准误差，记为Syx。即： 表8.1-4为回归关系的显著性检验的方差分析结果。