[农学]生物统计资料第7章.ppt

第一节 回归与相关分析的意义 u、t、F、 检验——差异显著性检验，只涉及一个变量。 变量间的关系：⑴函数关系；⑵相关关系 回归与相关分析——研究变量间相关关系的统计方法。 相关分析：研究变量之间的联系程度和联系性质的一种统计方法。 程度：变量间关系密切程度。 变量 关系 正 一致 性质： 相关——方向 负 相反 回归分析：研究变量之间的联系形式的一种统计方法。 联系形式用回归方程来表示。由方程次数不同来分： 线性回归———方程次数为1 如：y＝a＋bx。 非线性回归——方程次数不为1 如：y＝axb（b≠1） 第二节 直线回归分析 一、直线回归方程的建立 其中， ——自变量， ——依变量的回归估计值 有一双变量总体（X，Y），从中抽出一个容量为 n 的双变量样本（x，y） 于是， 但 y－ ＝ε≠0 要求：总偏差最小。 可证 最小 总偏差最小 令 于是，通过求 最小值解出a、b——最小二乘法： 整理得， 例1， [例7-1] 解：一级统计数 回归方程： 二、回归关系的显著性检验 检验x与y是否有真实的回归关系。 H0： ＝0 HA： ≠0 ? ㈠ F检验： 回归关系引起的变异 依变量y的总变异 其它因素引起的变异 所以 其中， ——回归平方和，记作 SSR ——离回归平方和（偏差 平方和）记作 SSr 各项平方和的实用计算公式： ∴ S2R＝ ＝SSR , S2r＝ 注： 叫做回归估计标准误，是表示回归估计精度的重要统计数。Syx大（或小），由回归方程估计 y 的精度就低（或高）。 上例， 已知：SSy=249.5556, SSx=144.6356, SP=－159.0444, n= 9， dfy=n－1=8 解： dfR=1 SSr=SSy－SSR=74.6670 dfr=n－2=7 ㈡ t 检验： 可证：当分子自由度＝1时，F与 t 有如下关系： F＝t2 上例， 已知： b=－1.0996, SSx=144.6356, SSr=74.6670, n=9 解： 三、直线回归方程的图示 由［ ， ］和［ ， ］ 两点画直线。 上例， ＝31.7 ＝48.5485－1.0996×31.7＝13.6912 ＝44.2 ＝48.5485－1.0996×44.2＝－0.0538 四、回归方程的应用方向 1.预测： 由 x 去预测 y。 在产量预测、病虫害预报等方面应用较多。 例，一代三化螟蛾盛发期 y 与三至四月积温 x 的回归方程如下： ＝48.5485－1.0996 x 假设某年的积温 x＝35，则 ＝48.5485－1.0996×35＝10.0625≈10.1 该虫盛发期约为5月20日（以10/5为0）左右。 2. 控制： 由 y 去控制 x。 这主要在制定生产措施时用。 例，某作物产量y与施肥量 x 的回归方程如下： ＝391.93＋6.62x 若希望y＞600斤/亩，施肥至少多少斤/亩？ 由 ＝391.93＋6.62x＞600 可推出