棉花红铃虫第一代发蛾高峰日y_1、第一代累计百株卵量.docxVIP

1问题重述棉花红铃虫第一代发蛾高峰日、第一代累计百株卵量、发蛾高峰日百株卵量及2月下旬至月中旬的平均气温(℃)、月下旬至月上旬的日照小时累计数的常用对数的组观测数据如下表，试作气象指标、与、、的典型相关分析。表1观测数据表x1x2y1y2y319.2002314.329.1002714.038.6002.258171144.669.3410.2332222.755.600207.365.367238.076.1332.1701742.71.388.200237.998.8001.983186247.185.2107.6002712.7119.7002.074176536.325.3128.3672.102172137.658.01312.1672.284176118.943.31410.2672729.3158.900228.3168.2332.068172123.932.72问题假设假设题中所给数据经过多次测量，具有代表性；、服从二元正态分布；、、服从三元正态分布。3符号说明4模型建立与求解4.1问题分析典型相关分析是用于揭示两组多元随机变量之间的相关关系。本题中为揭示两组随机变量和的相关关系，采用典型相关分析。随机变量组反映了棉花红铃虫的生长、繁殖，而随机变量组反映了影响的因素。因此，我们将变量记做“因变量组”，记变量组为“自变量组”。4.2模型的建立4.2.1统计计算与模型检验通过SAS编程（程序见附录），运行结果如下：根据运行结果得到分析结果，见表 1：表 1 棉花红铃虫生长与影响因素的二个自变量的典型相关系数及特征值序号典型相关系数标准误差特征值方差比率累计方差比率10.73523001186261.17660.79700.797020.4801600198670.29960.20301.0000从表1可知，第一个典型相关系数较高，但不能确定只能提取一个典型变量。要确定第一个典型相关变量与第二个典型相关变量之间是否显著相关，尚需要进行相关系数的F 统计检验。其结果见表2：表2 相关系数检验序号F值自由度P值显著性12.560.0535显著21.820.2075不显著从表2 得出，第二对典型中，其相关系数是不显著的。因此只有第一对典型变量通过检验。为了得到产出组被典型变量的解释能力，我们需要整理冗余度分析的结果，并得到典型变量对产出组的解释能力，见表3。表3 典型变量的解释能力序号产出组方差被影响组解释的比例对产出组解释能力产出组方差被典型变量解释能力对影响组解释能力影响组方差被典型变量解释比例10.54060.43910.23740.44550.240820.23060.37250.08590.55450.1278从表3 可知：1）第三列、五列可知，第一对典型变量对产出组和影响组的解释能力均明显比第二对典型变量的解释能力强。2）从第二列可知，第一对典型变量的具有较高的解释能力，典型相关系数的平方表明，产出组中有的信息可以由相应的影响变量予以解释。3）从第四列可知，第二对典型相关的产出组方差被典型变量解释比例仅。且由表2 知，第二对典型相关变量的相关系数未能通过F 检验。综上所述，我们选择第一对典型相关变量。4.2.2典型相关模型程序运行可以得到典型相关模型结果如下：但由上面分析知，我们只提取第一对典型变量：4.2.3结果分析由上式知，典型变量中和 的系数较大，典型变量 中 的系数较大（绝对值大小）。即 主要由变量 所决定，典型变量 主要和 决定。因此，典型变量 和 的相关主要是变量和 和 的相关。也就是说，1 月下旬至3月上旬的日照小时累计数的常用对数与棉花红铃虫第一代发蛾高峰日、第一代累计百株卵量相关。5模型评价与改进本题可通过SPSS进行相关分析，且更为简单、快捷，可得到以下结果：Correlations for Set-1x1 x2x1 1.0000 .2746x2 .2746 1.0000（第一组变量相关系数）Correlations for Set-2 y1 y2 y3y1 1.0000 .2109 .1754y2 .2109 1.0000 .4541y3 .1754 .4541 1.0000（第二组变量相关系数）Correlations Between Set-1 and Set-2 y1 y2 y3x1 -.1337 .3462 .3701x2 -.6867 -.3117 -.1319