大物实验之实验数据的处理.pptVIP

偏相关系数的临界值 常用如下统计量来衡量该因素的显著性 给定置信度，可以根据t分布表，查出临界值t?,当计算值W的绝对值大于临界值t?，则认为xj对y产生显著影响，不可忽视。 当前第94页\共有126页\编于星期四\22点 Matlab实现 相关系数r=corrcoef(x,y), 式中 X 和 Y 列向量, 等价于 r=corrcoef([x y]). 当前第95页\共有126页\编于星期四\22点 单个回归系数的显著性 利用统计量 式中分子分别为对第k个变量回归系数的估计值和系数值， 分母s是系数的标准差的估计, 当前第96页\共有126页\编于星期四\22点 T检验法 当前第97页\共有126页\编于星期四\22点 单个回归系数的显著性 在?k＝0时， |tk|不应过分偏大。反之，若 则可以认为在置信度（1－?）条件下xk对结果有显著作用 当前第98页\共有126页\编于星期四\22点 单个回归系数的显著性 或选取统计量 akk是(X’X)－1的主对角线上第k个元素 Fk不应过分偏大。反之，若 则可以认为在置信度（1－?）条件下xk对结果有显著作用 当前第99页\共有126页\编于星期四\22点 5 方差分析 试验过程中经常需要分析各种方法、参数对实验结果的影响 方差分析是鉴别各个因素效应的一种统计方法 20年代英国统计学家R A Fisher首先应用到农业试验中。 当前第100页\共有126页\编于星期四\22点 4 多元线性拟合 最小二乘法可以推广到二元、甚至多元线性拟合。 设因变量为y，两个自变量分别为x1和x2，假设已通过试验测得一系列数据为(yi,x1i,x2i), i=1,2,3……n 则二元线性回归方程可表示为 y＝a+b1x1+b2x2 式中a为常数项,b1和b2分别为y对x1和x2的偏回归系数。 当前第62页\共有126页\编于星期四\22点 残差平方和 根据最小二乘法的原理，令残差平方和最小，可求得这些参数。对相关参数求导数，得 当前第63页\共有126页\编于星期四\22点 方程组的简化形式 当前第64页\共有126页\编于星期四\22点 Regress函数 利用统计工具箱命令regress实现多元线性回归 调用格式为b=regress(y,x) 或 [b,bint,r,rint,stats] = regess(y,x,alpha)，alpha为显著性水平(缺省时设定为0.05) 输出向量b，bint为回归系数估计值和它们的置信区间，r，rint为残差及其置信区间 stats是用于检验回归模型的统计量，有三个数值，第一个是R2，其中R是相关系数，第二个是F统计量值，第三个是与统计量F对应的概率P，当Pα时拒绝H0，回归模型成立。 用命令rcoplot(r，rint)画出残差及其置信区间， 当前第65页\共有126页\编于星期四\22点 Excel回归 1 将数据录入excel 表格 2 用图表向导画出散点图， 3然后用右键点击数据点，添加趋势线，注意选择合适的类型 4用右键点击趋势线，从趋势线选项中可以选择显示公式和相关系数R 当前第66页\共有126页\编于星期四\22点 当前第67页\共有126页\编于星期四\22点 当前第68页\共有126页\编于星期四\22点 利用数据分析工具 加载宏（分析工具库）以后，工具中会出现数据分析命令,从中选择“回归”可以进行多元线性回归分析 利用适当的变量替换，也可以进行多项式回归或多元非线性回归分析 当前第69页\共有126页\编于星期四\22点 当前第70页\共有126页\编于星期四\22点 当前第71页\共有126页\编于星期四\22点 数据区域选择 当前第72页\共有126页\编于星期四\22点 回归结果 Z=3.9178E-13+1x+1y+/-s 当前第73页\共有126页\编于星期四\22点 5 预测 利用回归方程可以进行预测：点估计和区间估计 回归方程计算结果自然是一个点估计,如y0=x0.? 实际应用中，可能还需要估计目标的区间 对于n个数据得到的p元线性回归 当前第74页\共有126页\编于星期四\22点 预测目标的区间估计 利用分布 置信度1- ?的置信区间为 当前第75页\共有126页\编于星期四\22点 多元线性回归是数据分析的强有力工具，建立一个模型是一个复杂过程。 根据专业知识背景，确定有关变量：舍弃误差大，不重要、相关数据 要收集足够数量（10倍自变量）高精度的数据； 预分析：根据专业知识和经验确定自变量的高次项及交叉乘积是否进入模型，是否需要数据转换，检验全变量线性关系是否显著，利用残差分析等手段考察误差分布的正态性、等方差性假定是否合理？ 确定回归关系形式后，选择影响显著的变量，确定最