差分析与相关性分析.pptVIP

* * * 将-0.728与-0.941对照；同时再与前面讲的例子对照看有什么不同 从表中可知-0.728是一月温度和海拔高度的简单相关系数；而-0.941是一月气温与海拔高度的偏相关系数 * * 将-0.186与-0.875对照；同时再与前面讲的例子对照看有什么不同 * 3 一条河流流经某地区，其降水量X（mm）和径流量Y（mm）多年观测数据如表所示。试建立Y与X的线性回归方程，并根据降水量预测径流量。 Y 25 81 36 33 70 54 20 44 14 41 75 X 110 184 145 122 165 143 78 129 62 130 168 回归分析（一元线性回归） * * * * * 从表中可知FF0.01（p0.01），说明方程通过了显著性检验，说明径流量与降水量之间存在着极显著的直线回归关系 方程检验表 * 从表中可知tt0.01（p0.01），说明方程中的回归系数通过了显著性检验，说明径流量与降水量之间有真实的直线回归关系。 系数检验表 * 4 随机抽测某渔场16次放养记录，结果如表（投饵量，放养量，鱼产量）。试求鱼产量对投饵量、放养量的多元回归方程。（要求进行方程和系数的显著性检验） X1 9.5 8 9.5 9.8 9.7 13.5 9.5 12.5 9.4 11.4 7.7 8.3 12.5 8 6.5 12.9 X2 1.9 2 2.6 2.7 2 2.4 2.3 2.2 3.3 2.3 3.6 2.1 2.5 2.4 3.2 1.9 Y 7.1 6.4 10.4 10.9 7 10 7.9 9.3 12.8 7.5 10.3 6.6 9.5 7.7 7 9.5 回归分析（多元线性回归） * * * * 方程检验表 从表中可知FF0.01（p0.01），说明方程通过了显著性检验，说明鱼产量依投饵量、放养量的二元线性回归达到显著水平 * 系数检验表 从表中可知X1和X2对应的t均大于t0.01（p0.01），说明投饵量和放养量对鱼产量的偏回归系数达极显著水平，偏回归系数通过显著性检验，即鱼产量与投饵量、放养量之间存在真实的多元线性关系。因此，所建方程为 Y=-4.349+0.584X1+2.964X2 * 方差分析 （analysis of variance, 简称为ANOVA） 方差分析是对多个样本平均数差异显著性检验的一种方法，也就是推断对多个样本均数是否相等的方法。 * 方差分析的适用条件 各处理组样本来自正态总体 各样本是相互独立的随机样本 各处理组的总体方差相等，即方差齐性 方差分析 （analysis of variance, 简称为ANOVA） * 方差分析 单因素方差分析 双因素方差分析（重复试验和非重复试验） 多因素方差分析 协方差分析 方差分析 （analysis of variance, 简称为ANOVA） * 单因素方差分析 单因素方差分析也叫一维方差分析，用以对单因素多个独立样本均数进行比较，给出方差分析表，并可以进行两两之间均数的比较（多重比较），本节将介绍如何利用单因子方差分析命令对数据进行统计处理。 方差分析 （analysis of variance, 简称为ANOVA） * 方差分析 （analysis of variance, 简称为ANOVA） 1 2 3 4 5 6 密度1 23.1 22.6 23.5 22.1 25.6 24.1 密度2 22.1 21.5 22.1 21.3 24.9 23.9 密度3 20.3 20.1 21.5 20.1 23.8 22.1 1 在三个不同密度的小麦地里测量其株高2/3处的日平均温度，一共测量6天，所得数据如下表，分析不同密度的小麦地其株高2/3处的日平均温度有无显著差异。(密度1密度2密度3) * 方差分析 （analysis of variance, 简称为ANOVA） * 方差分析 （analysis of variance, 简称为ANOVA） * 方差分析 （analysis of variance, 简称为ANOVA） * 方差分析 （analysis of variance, 简称为ANOVA） * 单因素方差分析齐次性检验结果：t=0.357，p=0.7060.05,通过方差齐次性检验。即本例属于方差相等时的方差分析问题，这为下面的分析作准备。 方差分析 （analysis of variance, 简称为ANOVA） * 单因素方差分析结果，包括组间离差平方和、组内离差平方和总离差平方和。从表中可知，p=0.0330.05,说明三个不同密度的小麦群体中2/3高度的温度差异显著。进而可以进行多重比较。 方差分析 （analysis of variance, 简称为A