5第五章+直线回归和相关分析.ppt

生 物 统 计 与 实 验 设 计 Biological Statistics And Experimental Designs 2 直线相关与回归分析 3 平均数 标准差 方差分析 多重比较 集中点 离散程度 差异显著性 一个变量 （产量） 施肥量 播种密度 品种 4 双变量计量资料：每个个体有两个变量值 总体：无限或有限对变量值 样本：从总体随机抽取的n对变量值 （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 目的：研究X和Y的数量关系 方法：回归与相关 简单、基本——直线回归、直线相关 5 在实际研究中，事物之间的相互关系涉及两个或两个以上的变量，只要其中的一个变量变动了，另一个变量也会跟着发生变动，这种关系称为协变关系，具有协变关系的变量称为协变量。 6 确定的函数关系 PV=RT 气体压强 S=πr2 圆的面积 协 变 量 S=a b 长方形面积 7 身高与胸围、体重 施肥量与产量 溶液的浓度与OD值 人类的年龄与血压 温度与幼虫孵化 不完全确定的函数关系 (相关关系) 协 变 量 8 相 关 变 量 一个变量的变化受另一个变量或几个变量的制约 因果关系 平行关系 两个以上变量之间共同受到另外因素的影响 动物的生长速度受遗传、营养等影响 子女的身高受父母身高的影响 人的身高和体重之间的关系 兄弟身高之间的关系 9 英国人类学家 F.Galton首次在《自然遗传》一书中，提出并阐明了“相关”和“相关系数”两个概念，为相关论奠定了基础。其后，他和英国统计学家 Karl Pearson对上千个家庭的身高、臂长、拃长（伸开大拇指与中指两端的最大长度）做了测量，发现： 历史背景： 10 儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 。 也即高个子父代的子代在成年之后的身高平均来说不是更高，而是稍矮于其父代水平，而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton将这种趋向于种族稳定的现象称之“回归”。 11 回归：退回regression 12 为了确定相关变量之间的关系，首先应该收集一些数据，这些数据应该是成对的，然后在直角坐标系上描述这些点，这一组点集称为散点图。 散点图(scatter diagram) 13 为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 14 散点图(scatter diagram) 两个变量间关系的性质（正向协同变化或负向协同变化）和程度（关系是否密切） 两个变量间关系的类型（直线型或曲线型） 是否有异常观测值的干扰 15 目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”“回归系数”等统计学概念。如研究糖尿病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。 16 正向直线关系 负向直线关系 曲线关系 定性研究 17 回归(regerssion) 相关(correlation) 定量研究 18 非直线型 二元 多元 直线型 二元 19 第一节 第二节 第三节 回归与相关的概念 直线回归 直线相关 20 相 关 变 量 因果关系 平行关系 回归分析（regression analysis） 相关分析（correlation analysis） 一个变量的变化受另一个变量或几个变量的制约 两个以上变量之间共同受到另外因素的影响 21 在生物学中，研究两个变量间的关系，主要是为了探求两变量的内在联系，或从一个变量X（可以是随机变量，也可以是一般的变量），去推测另一个随机变量Y。 22 x y 施肥量 (可以严格地人为控制) 产量 如果对x的每一个可能的值，都有随机变量y的一个分布相对应，则称随机变量y对变量x存在回归(regression)关系。 自变量(independent variable) 因变量(dependent variable) 因果关系 一个变量的变化受另一个变量或几个变量的制约 23 在大量测量各种身高人群的体重时会发现，虽然在同样身高下，体重并不完全一样。但在每一身高下，都有一个确定的体重分布与之相对应; 在大量测量各种体重人群的身高时会发现，虽然在同样体重下，身高并不完全一样。但在每一体重下，都有一个确定的身高分布与之相对应; 身高与体重之间存在相关关系。 X身高 Y体重