生物统计上机操作第六讲 相关分析与回归分析.doc

生物统计上机操作第六讲 相关分析与回归分析.doc

ID:56279087

大小:165.50 KB

页数:9页

时间:2020-06-05

生物统计上机操作第六讲 相关分析与回归分析.doc_第1页
生物统计上机操作第六讲 相关分析与回归分析.doc_第2页
生物统计上机操作第六讲 相关分析与回归分析.doc_第3页
生物统计上机操作第六讲 相关分析与回归分析.doc_第4页
生物统计上机操作第六讲 相关分析与回归分析.doc_第5页
资源描述:

《生物统计上机操作第六讲 相关分析与回归分析.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、研究生《生物统计学》课程第六讲相关分析与回归分析主要内容:一、线性相关分析1、两变量相关分析2、多变量相关分析二、回归分析1、一元线性回归分析2、多元线性回归分析3、曲线回归分析一、线性相关分析:用于研究变量之间密切程度的统计方法使用SPSS中Correlate模块相关系数是以数值的方式精确地反映两个变量之间线性关系的强弱程度,利用相关系数进行变量间线性关系的分析,即相关分析。包括两个步骤:①计算样本的相关系数r;②对两样本来自的总体是否存在显著的线性关系进行推断。Pearson简单相关系数:计算连续变量或等间距测度的变量之间的相关系数(系统默认);Kendallτ相关系数:等

2、级相关系数,只能在两变量均属于有序分类时使用;Spearman等级相关系数:度量定序型变量间的线性相关关系,非参数相关分析。(一)两变量相关分析1、案例分析:有人研究黏虫孵化历期平均温度(x,℃)与历期天数(y,d)之间的关系,求出平均温度与历期天数的线性相关系数x,平均温度(℃)11.814.715.616.817.118.819.520.4y,历期天数(d)30.117.316.713.611.910.78.36.7(1)建立数据文件,在VariableVew中定义变量“平均温度”、“历期天数”,小数位数均为1,输入数据;(2)相关分析:[Analyze]=>[Correl

3、ate]=>[Bivariate](两变量相关分析),打开[BivariateCorrelation]主对话,将“平均温度”、“历期天数”引进[Variables](变量)框;(3)在[CorrelationCoefficients]复选框中选择“Pearson”(系统默认),选中[Flagsignificantcorrelations],将对显著的相关系数加“*”标志(若为1个星号*,表示P<0.05,差异显著;若为2个星号**,表示P<0.01,差异极显著);(4)单击[Options]进入“选项”对话框,选择[Meansandstandarddeviations]计算各变

4、量的平均值与标准差,[Continue]返回;(5)单击[OK],运行相关分析。SPSS分析结果(相关系数肩标**表示在概率为0.01(双侧)水平上具有显著性意义)2、练习:研究小白鼠体内丧失水分与温度变化之间的关系,随机抽取一群小白鼠,在一系列温度下,规定时间内测定这群小白鼠散发出来的水分,得到如下数据,试分析温度与散发出来的水分之间的相关性是否显著。X(温度,℃)1520253035Y(水分蒸发量,g)2.792.923.183.343.58(二)多个变量间相关分析:1、案例:测定13块某品种水稻每亩的穗数(x1,万)、每穗粒数(x2)、每亩稻谷产量(y,kg),结果如下表

5、,试进行相关分析。编号穗数x1粒数x2产量y126.773.4504231.359.0480330.465.9526433.958.2511534.664.6549633.864.6552730.462.1496827.071.4473933.364.55371030.464.45151131.561.15021233.156.04981334.459.8523操作与两变量间相关分析基本相同,将“穗数x1”、“粒数x2”、“产量y”引进[Variables](变量)框SPSS相关分析结果如下:(结果表明:穗数与粒数之间存在极显著的线性负相关关系,穗数与产量之间存在显著的正相关关

6、系。)二、回归分析:用一个或多个变量去估计另一个变量,SPSS中”Regression”模块(一)一元线性回归1、案例分析:有人研究黏虫孵化历期平均温度(x,℃)与历期天数(y,d)之间的关系,求出平均温度与历期天数的线性回归方程。x,平均温度(℃)11.814.715.616.817.118.819.520.4y,历期天数(d)30.117.316.713.611.910.78.36.7(1)建立数据文件,在VariableVew中定义变量“平均温度”、“历期天数”,小数位数均为1,输入数据;(1)回归分析:[Analyze]=>[Regression](回归分析)=>[Li

7、near](线性回归),打开[LinearRegression]主对话,将“历期天数”引进[Dependent](因变量),将“平均温度”引进[Independent](自变量);(2)点击[Statistics…],打开描述统计对话框,选择“Descriptive”、“Estimates”(可输出回归系数b及其标准误差)、“Modelfit”,[Continue]返回;(3)单击[Options]进入“选项”对话框,选择系统默认,[Continue]返回;(4)单击[OK],运行线性回归分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。