7.直线回归及相关分析.pptVIP

两变量间依存变化的数量关系 两个变量在相关系数计算中的地位是平等的，没有自变量和依变量之分 回归 相关 相关与回归的区别 单向 x y x y 双向 回归系数有单位，形式为（应变量单位/自变量单位），相关系数没有单位。 相关系数的范围在-1～+1之间，而回归系数没有这种限制。 有些资料用相关表示较适宜，比如兄弟与姐妹间的身长关系、人的身长与前臂长之间的关系等资料。 有些资料用相关和回归都适宜，此时须视研究需要而定。 就一般计算程序来说，是先求出相关系数r并对其进行假设检验，如果r显著并有进行回归分析之必要，再建立回归方程。 作相关与回归分析要有实际意义。 不要把毫无关联的两个事物或现象用来作相关或回归分析。 * * * * 如儿童身高的增长与小树的增长，作相关分析是没有实际意义的，如果计算由儿童身高推算小树高的回归方程则更无实际意义。也许算得的r、b是显著的，也是没有意义的。 对相关分析的作用要正确理解。 * * * * 相关并不一定就是因果关系，切不可单纯依靠相关系数或回归系数的显著性“证明”因果关系之存在。 要证明两事物间的因果关系，必须凭籍专业知识从理论上加以阐明。但是，当事物间的因果关系未被认识前，相关分析可为理论研究提供线索。 在回归分析中，由X推算Y与由Y推算X的回归方程是不同的，不可混淆。 一般说，事物的原因作自变量X，当事物的因果关系不很明确时，选误差较小的即个体变异小的变量作自变量X，以推算应变量Y。 回归方程的适用范围有其限度，一般仅适用于自变量X的原数据范围内，而不能任意外推。因为我们并不知道在这些观察值的范围之外，两变量间是否也呈同样的直线关系。 可直线化的 非线性回归分析 生物学中两变量间呈曲线关系的例子很多。 例如生物生长中某时期的重量与时间的关系、细菌生长的数量与时间的关系等，都不是用简单的直线关系所能表达的。 这时应选择适当类型的曲线，使之能更符合两变量的实际关系。在确定了两变量间所呈函数关系以后，需通过适当变换(transform) ，便可将曲线化为直线，再按直线回归处理。 常用的直线化方法 指数函数 各种曲线中，除S型曲线及抛物线外，首先可以尝试进行对数变换。 专业知识、经验或文献确定曲线类型 单细胞生物生长初期符合指数函数增长，但若考虑到生长一定时间后，后期生长受到抑制，其生长曲线变成“S”形。 酶促反应动力学中的米氏方程是一种双曲线。 一、确定曲线类型的方法 1 散点图的方法 2 通过散点图，确定曲线类型，如果几种类型可供选择，可多做几次回归，进行比较，再确定曲线类型。 在辐射遗传和药理学实验中，经常遇到寻找半致死剂量问题。 致死率与剂量间的关系曲线往往程S形。在半致死处，曲线的曲率最大，与死亡率的交点最清楚。在全致死处，曲线与死亡率已近于平行，交点不清，剂量也就不好确定了。因此在实际工作中，常常用半致死尽量这一标准。 确定半致死剂量，最常用的方法是对数据进行概率对数变换。 例：用不同计量的r射线照射小麦品种库斑克，调查死苗率，得到以下结果： 剂量（Kr）X 14 16 18 20 22 24 26 死苗率（％）Y 6 10 40 70 80 93 95 Y= 18Y’=10^1.2771=18.92 多元线性 回归分析 主穗重X1 有效蘖数X2 单株产量Y 2.6 9 7.8 1.6 1 2.8 1.8 1 3.2 2.7 6 10.7 2.2 4 5 2 7 9.1 2.5 3 6.3 1.8 6 8.6 1.8 2 4.1 1.5 4 6.8 2.5 5 6.8 2.3 1 3.7 1.6 0 1.6 2.2 0 2.2 1.7 3 2.4 例：小麦单株产量不仅与单穗重有关，而且与有效分蘖有关。左表为一部分数据。 Y=0.541+0.949X1+0.841X2 0.949和0.841都称为偏回归系数。 它表示当其它自变量都固定时，某一自变量每变化一个单位而使因变量平均改变的数值。 直线相关与回归分析 两变量或多变量之间的关系，总起来可分为两类，一类是函数关系，确定关系的例子，在生物界中是极少见的。 生物中,大量存在的情况是:一种变量受另一种变量的影响,两者之间既有关系，但又不存在完全确定的函数关系。知道其中一种变量，并不能精确求出另一变量。下面请同学们举几个例子。 单位面积的施肥量、播种量和产量三者之间的关系。 树木胸径与树木高度的关系。 人类血压与年龄的关系。 玉米的穗长与穗重的关系。 人的身高与体重的关系。 身高与胸围、体重 溶液的浓度与OD值 人类的年龄与血压 温度与幼虫孵化 相关关系：当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系