西农水保SPSS7.doc

上机操作7 相关与直线回归的SPSS分析 姓名： 专业： 水保 班级： 学号： 习题1某林业研究所进行了落叶松扦插育苗试验，成活率见下表，试验证成活率与温度、处理药品的相关性。 落叶松扦插试验数据 温度（℃） 处理药品（mg） 成活率（%） 24 800 69 18 1000 70 23 1000 72 18 800 67 17 1100 68 26 1100 77 答案1： 1. 定义变量，输入数据 在“变量视图”中写入变量名称，为“温度”、“处理药品”、“成活率”，“小数”均设置为“0”，并在“数据视图”中依次对应输入变量。 2. 操作过程 （1）正态分布检验 在“分析”菜单中选择“图形”单击“P-P图”，打开“P-P图”窗口。在窗口中把“成活率”添加到“变量”中，“检验分布”选择“正态”，单击“确定”。 （2）相关性分析 在“分析”菜单中选择“相关”单击“双变量”，打开“双变量”窗口。在窗口中把“温度”、“处理药品”、“成活率”添加到“变量”中，因为“成活率”符合正态分布，所以“相关系数”选择“Pearson”，显著性检验选择“双侧检验”，标记显著性相关，点击“确定”。 3．输出结果分析 （1）正态分布检验 由图1可知，成活率的各点分布在接近直线的两侧，所以成活率服从正态分布。 （2）相关性分析 由表1可知，温度与处理药品相关的显著性P=0.9420.05,温度和成活率相关的显著性P=0.0720.05，处理药品和成活率相关的显著性P=0.2410.05，所以温度、处理药品和成活率两两之间没有显著性相关。 习题2 某林业站进行了林地水肥管理试验，测得的林分生物量见下表，试建立林分生物量与施肥灌水的回归方程。 林分生物量 施肥（kg） 灌水（m3） 生物量（kg） 54 29 50 61 39 51 52 26 52 70 48 54 63 42 53 79 62 60 68 45 59 65 30 65 79 51 67 76 44 70 71 36 70 82 50 73 75 39 74 92 60 78 96 62 82 92 61 80 91 50 87 85 47 84 106 72 88 96 52 92 答案2： 1. 定义变量，输入数据 在“变量视图”中写入变量名称，为“施肥”、“灌水”、“生物量”，“小数”均设置为“0”，并在“数据视图”中依次对应输入变量。 2. 操作过程 （1）正态分布检验 在“分析”菜单中选择“图形”单击“P-P图”，打开“P-P图”窗口。在窗口中把“成活率”移出“变量”，将“生物量”添加到“变量”中，“检验分布”选择“正态”，单击“确定”。 （2）相关性分析 在“分析”菜单中选择“相关”单击“双变量”，打开“双变量”窗口。在窗口中把“温度”、“处理药品”、“成活率”移出“变量”，将“施肥”、“灌水”、“生物量”添加到“变量”中，因为“生物量”符合正态分布，所以“相关系数”选择“Pearson”，显著性检验选择“双侧检验”，标记显著性相关，点击“确定”。 （3）直线回归 在“分析”菜单中选择“回归”单击“线性”，打开“线性回归”窗口。将“生物量”送入“因变量”中，将“施肥”、“灌水”送入“自变量”，方法选择“逐步”，单击“统计量”，打开“线性回归：统计量”窗口，在“回归系数”中选“估计”，在“模型拟合度”、“R方变化”前打勾，点击“继续”，点击“确定”。 3．输出结果分析 （1）正态分布检验 由图2可知，生物量的各点分布在直线或接近直线的两侧，所以生物量服从正态分布。 （2）相关性分析 由表2可知，施肥与灌水相关的显著性P0.01, 施肥与生物量相关的显著性P0.01，灌水与生物量相关的显著性P=0.0040.01，所以施肥、灌水和生物量两两之间都有极显著性相关。 （3）直线回归 由表3可知，模型1是施肥与生物量的线性回归模型，调整的决定系数R方是0.819，F检验的显著性P0.01,所以模型1的线性回归方程具有统计学意义；模型2是施肥、灌水和生物量的线性回归模型，调整的R方是0.985，F检验的显著性P0.01，所以模型2的线性回归方程具有统计学意义。 由表4可知，模型1的常量系数是5.042，施肥的系数是0.829且t检验的显著性P0.01,所以模型1的回归系数具有统计学意义；模型2的常量是-2.987，施肥的系数是1.496且t检验的显著性P0.01，灌水的系数是-0.925且t检验的显著性P0.01，所以模型2的回归系数具有统计学意义。 综上，令施肥为f，灌水为i，生物量为w，则模型1的线性回归方程是w=5.042+0.829f，模型2的线性回归方程是w=-2.98