第一章 植物营养学的生物数学研究方法.ppt

第一章 植物营养学的生物数学研究方法 第一节 最优方程选择 一、可化为直线的曲线函数的主要类型 可化为直线的非线性函数的类型有多种，其中常用的有双曲线函数、指数函数、幂函数、对数函数、生长曲线函数等。 二、最优方程的选择 以回归方程剩余平方和 的大小作为判别标准为好。 三、指数曲线回归分析的方法步骤 第二节 多元线性回归 一、多元线性回归 （一）多元线性回归模型 若M个变量中，其中一个为依变量y，另外m个（m=M-1）为自变量x1，x2，x3，x……，xm，且m个自变量皆与依变量成线性相关，则其回归模型可表示为： 当用样本估计时，相应的回归方程为： 式b0为常数项，是x1，x2，…xm皆为0时y的点估计值，bj（j=1，2，…，m）为y对xj的偏回系数，它是表示当其它x固定不变时，xj变化一个单位而使y平均变化的数值， 是E（y）的估计值，称回归值。式（7.2.3）称y对x1，x2，…xm的m元线性回归方程。 （二）多元线性回归方程的建立 用最小二乘法确定统计量b0，bj，应满足： （三）多元线性回归的显著性检验 1．回归方程的显著性检验 多元线性回归方程的显著性检验采用F检验，Y的总平方和的分解式为： 总自由度的分解式为： （N—1）=（M—1）+（N—M） 2．偏回归系数的显著性检验 偏回归系数的显著检验，就是检验各偏回归系数bi（i=1，2…，n）来自βi=0的总体的概率。统计假设为：H0：βi=0，HA：βi≠0。其检验方法有t检验和F检验，下面介绍F检验。 如果取消一个自变量xi，则回归平方和将减少, 其减少的数值称为y对 xj的偏回归平方和,记为ui，计算式为： （四）自变量的重要性和取舍 弃去那个ui最小而又不显著的自变量，再作分析，再弃去那个ui最小而又不显著的自变量。如此重复进行，每次仅弃去一个不显著的自变量，直至回归方程中所包含的自变量都是显著的为止。 弃去一个自变量（假设为xI）后，剩下的各个自变量的偏回归系数bi（i≠m）都要改变取值。如果计算中保留了足够位数的有效数字，则新的bi值（记作bi※）可由原来的bi值算出，即： 二、多元相关与偏相关 （一）多元相关 （二）偏相关 3．偏相关系数的显著性检验。 偏相关系数rij的标准误为： 第三节 多项式回归 一元多项式回归分析 一、一元多项式回归模型 二、一元多项式回归分析的一般步聚 （三）回归方程的显著性检验 三、 一元多项式回归分析示例 多元多项式回归 一、多元多项式回归分析的一般步聚 第四节 聚类分析 聚类统计量 三、相似系数 系统聚类法(Hierachical clustering Methods) 二、最长距离法 系统聚类法的应用 第五节 SAS和SPSS统计软件的应用 SAS统计软件应用实例 SPSS统计软件应用实例 第二种情况 考虑交互作用 例题 为研究某经济林的栽植品种、密度、施肥量及施肥日期对年产量的影响，每一因素均分二个水平‘因素水平如下表所示。根据经验，知道交互作用AxB、AxC较大，而其它交互作用则较小，略去不计。采用正交表L8(27)。表头设计如下表所示，具体安排以及试验结果如下表所示。试对试验结果进行统计分析。 第三种情况：因素水平不等 例题 橡胶幼苗矮化试验，因素、水乎如下表所示，其中“钠”是二氯异丁酸钠盐，“酸”是二氛异丁酸的简写。采用混合型正交表L8(4x24)，3次重复，随机区组设计，每小区15株树，供试品系为PR107，1975年35定植，1976年35处理，同年12月测定新拍出蓬距(cm)，试验安排与结果见下表所示，试对试验结果作统计分析。 八 裂区设计 进行品种和施肥的营林生产试验。品种差异明显，施肥的比较未知，也可能不如品种的差异大，因此采用裂区设计，品种为主处理，施肥为副处理。品种A分A1、A2、A3、A4 4个水平，施肥B分BI、B2、B3、D4 4个水平，重复4次。全部试验采用4mx4m密度，1亩小区(42株)，每小区调查20株(除去小区边行)，再以20株扩展成每亩的累计年总高生长量(m)，试验结果如右表所示，试作分析。 一、完全随机设计 例题 松树育种群体(林)中完全随机地设置近百个己如双亲的家系，研究发现不同家系在二次袖梢生长量方面存在差异，而且这种差异对树高生长量有影响。现在从生长量方面随机抽样调查6个家系的二次抽梢长度，以个体为单位，并在同一部位测定。每个家系随机抽取7株树，调查结果如下表所示，试作家系二次抽捎生长量的差异分析。 一、成对比较试验 例题 有两种镕嵌病毒制剂，为试验它们对烟叶是否起不同效应，今采