第二讲--通径分析.ppt

第二讲 通径分析PATH ANALYSIS 在生物界中，数量性状间的关系往往是彼此相关的。从统计学上讲，研究多个相关变量间的关系，可根据相关变量间是因果关系或平行关系，采用不同的统计分析方法。若变量间互为因果而呈平行关系时，多采用相关分析。若变量间因果分明，多采用多元线性回归分析。如第一讲中因果分明，产蛋率为果，各环境参数为因。然而，相关变量内的这两种分析方法都存在一定的局限性。如简单相关系数固然可以用来度量两变量间的相关密切程度。但其中也包含有其他相关变量对它们的影响。因此，多少包含有虚伪的成分了。尤其在分析原因对结果作用方面。相关系数无法表明。就此而言，多元回归分析中的偏回归系数，在一定程度上可指出各原因对结果的直接作用，但因带有不同单位，故不能直接比较各原因对结果的作用大小，即使单位相同，若各原因（自变量）的变异度（标准差）不同，也是无法比较的。何况偏回归系数也不能解释与其他相关原因共同对结果的作用。为此，1921年S·Wright发表了一篇“相关与相关原因”的论文，文中对相关系数进行剖分，找出了用来表明各原因对结果所起直接作用大小的统计量，即通径系数。之后，该方法不断得到应用和完善，成为具有直观、精确等特点的一种重要分析方法。 第一节 通径分析的基本原理 一、通径分析的基本原理与性质 为叙述方便，先讨论两个原因（自变量）x1 ，x2 及结果（依变量）y三个相关变量，后再推广至一般。假设x1 ，x2 与y间存在线性关系，则x1 ，x2与y的回归方程为： 第二节 实例分析 一、通径系数的计算 例1 采用第一讲的例1资料为例，为方便起见，自变量顺序为干球温度（x1）、湿球温度（x2）、露点温度（x3）、相对温度（x4），依变量为周平均产量率（y），共5个相关变量，着重分析各原因与结果间（y）的详细关系。 1、计算各变量间的相关系数 （见2—1表） 表2—1 变量间的相关系数rij * * 或 y=b0+b1x1+b2x2+e （2—2） （2—2）式中b0为常数项，b1 ，b2 分别为y对x1 ，x2 的偏回归系数，e为与各变量相互独立的误差项（或剩余项）。x1 ，x2 间存在相关，则（2—2）式的关系可用图1示之。 图1 通径图 图1中，单箭头表示自变量间存在因果关系，方向由原因到结果，称为通径。双箭头表示变量间存在平行关系，称为相关线， （2—1） 若不考虑误差项e，（2—2）式可改写成为： y= b0+b1x1+b2x2 （2—3） 将（2—3）式减（2—4）式可得： 将（2—5）式两边平方后求和，并遍除以n－1，可得： （2—7）式中b1 Sx1/Sy，b2 Sx2/Sy为标准偏回归系数，也叫通径系数，分别记作Py．1 ，Py．2 ，用来表示x1，x2对y影响的相对重要性。由于是不带单位的相关系数，故可直接用于比较对结果影响的大小。 即 （2—6） （2—6）式两边同除以 得： （2—7） （2—1） （2—5） 其中： （2—4） 通径系数的平方称为决定系数，表示各原因对结果相对的决定程度 即： 所以（2—7）式可改写成 dy.1+dy.2+2 Py.1 Py.2 r12=1 （2—8） 其中2 Py.