生物统计学整理资料.docxVIP

生物统计 一元回归与相关分析（生长曲线；DPS） 研究马氏珠母贝壳高（cm）与总重（g）的关系，定期测量结果列于下表。试对生长时间（d）与壳高（cm）、生长时间（d）与总重（g）进行回归分析。 答： 操作步骤： 先对生长时间（d）与壳高（cm）进行拟合： 输入数据，选择数据→点击菜单“数学模型”→“一元非线性回归分析”，选中“逻辑斯蒂模型（Logistic）”，点击“参数估计”，返回右上方“模型设置”，点击“输出结果”。 结果分析： 方差分析表明，用逻辑斯蒂模型（Logistic）拟合，经F检验，P=0.00000.01，说明，生长时间与壳高的回归关系是非常显著的，决定系数R2=0.9848，说明实测点与曲线之间匹配非常好；方程系数的t检验结果表明，c1、c2、c3的P=0.00000.01，说明很稳定，也表明方程很稳定；得出生长时间与壳高的回归方程为：X2=7.155752/(1+e(2.108739-0.008522X1)）。 注意：如果考查不同生长曲线方程之间的分析结果，需要回答一下几句话。 问：同样方法，再对观测值用Gompertz方程、Bertalanffy方程、Mitscherlich方程、Richards方程拟合，结果如下： 答：可以看出，Logistic方程、Gompertz方程、Bertalanffy方程、Mitscherlich方程、Richards方程对观测值的拟合都非常好。 再用同样方法对生长时间和总重拟合，详细说明与上面一致。 多元统计分析（二元线性回归；DPS） 随机抽查某渔场16次放养记录，得到结果(单位:kg)，要建立鱼产量（y）和投饵量（x1）、放养量（x2）的线性回归方程，并预测x1 =12.5， x2 =2.5时y平均数的置信区间、y观测值的置信区间。 答： （1）操作步骤： 输入数据，选择数据→点击菜单“多元分析”→选择“回归分析”→选择“线性回归”→取值上，投饵量X1填写12.5，放养量X2写2.5，置信水平0.05，点击预测→点击“返回编辑”。 （2）结果分析： 方差分析表明，P=0.00080.01，认为鱼产量Y与投饵量X1、放养量X2的回归关系是非常显著的，决定系数R2=0.668452；根据b0、b1、b2我们可以得到回归方程为：y=-4.69215+0.5965X1+3.03841X2，对b1、b2进行t检验，p分别为0.0026、0.0004，均小于0.01，说明投饵量X1、放养量X2对鱼产量Y的影响是非常显著的；看预测情况，当X1=12.5 X2=2.5时，预测Y拟合值的95%置信区间为（9.262,11.458），Y观测值95%的置信区间为（7.632,13.088）。 多元统计分析（多元线性回归——自变量的重要性和取舍；DPS） 分别测定21尾狗鱼性成熟个体的全长x1 (cm)、体长x2 (cm)、体重x3 (g)、年龄x4 (a)、空壳重x5 (g)、卵巢重x6 (g)和绝对怀卵量Y (粒)，试建立x1~x6与怀卵量Y之间的最优多元线性方程。 答： 操作步骤： 输入数据，选择数据→点击菜单“多元分析”→选择“回归分析”→选择“最优组合回归”。 结果分析 引入1个因子X5时，对b5进行t检验，P=00.01，调整系数R2=0.9245，说明空壳重X5对绝对怀卵量Y的影响是非常显著的；方差分析表明，P=00.01，说明绝对怀卵量Y与空壳重X5的回归关系是非常显著的； 引入2个因子X4、X6时，对b4、b6进行t检验，P值分别为0.0032、0.0003，均小于0.01，调整系数R2=0.94700.9245，因此引入2个因子X4、X6要优于引入1个因子X5，也说明年龄X4、卵巢重X6对绝对怀卵量Y的影响是非常显著的；方差分析表明，P=00.01，说明绝对怀卵量Y与年龄X4、卵巢重X6的回归关系是非常显著的； 引入3个因子X2、X4、X6时，对b2、b4、b6进行t检验，P值分别为0.0004、0、0，均小于0.01，调整系数R2=0.97500.9470，因此引入3个因子X2、X4、X6要优于引入2个因子X4、X6，也说明体长X2、年龄X4、卵巢重X6对绝对怀卵量Y的影响是非常显著的；方差分析表明，P=00.01，说明绝对怀卵量Y与体长X2、年龄X4、卵巢重X6的回归关系是非常显著的； 引入4个因子X1、X2、X4、X6时，对b1、b2、b4、b6进行t检验，P值分别为0.0236、0.0032、0、0，除b1的t检验结果外均小于0.01，b1的t检验结果小于0.05，调整系数R2=0.97750.9750，因此引入4个因子X2、X4、X6要优于引入3个因子X2、X4、X6，也说明全长X1对绝对怀卵量Y的影响是显著的，体长X2、年龄X4、卵巢重X6对绝对怀卵量Y的影响