网站地图
【www.arisingsemi.com--实用文档】
相关性分析结果怎么看，，，
本科学生实验报告
学号： ########## 姓名： ￥￥￥￥￥￥
学院： 生命科学学院 专业、班级：11级应用生物教育A班
实验课程名称： 生物统计学实验
教 师： 孟丽华（教授）
开 课 学 期： 2012 至 2013 学年 下 学期
填 报 时 间： 2013 年 5 月 22 日
云南师范大学教务处编印
一．实验设计方案
实验序号及名称：实验十: 线性回归与相关性分析
实验时间
2013-05-17
实验室
睿智楼3幢326
（一）、实验目的：
1、能够熟练的使用SPSS软件对实验数据进行线性回归分析和相关性分析；
2、掌握线性回归与相关性分析的基本思想和具体操作，能够读懂分析结果，并写出回归方程， 对回归方程进行各种统计检验；
3、进一步熟悉SPSS软件的应用。
（二）、实验设备及材料：
微机、SPSS for Windows V 18.0统计软件包及相应的要统计的数据
（三）、实验原理：
1、统计学上采用相关分析(correlation analysis)研究呈平行关系的相关变量之间的关系。
2、对两个变量间的直线关系进行相关分析称为简单相关分析（也叫直线相关分析）； 对多个变量进行相关分析时，研究一个变量与多个变量间的线性相关称为复相关分析； 研究其余变量保持不变的情况下两个变量间的线性相关称为偏相关分析；
3、相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H
0：假设两变量无线性相关而言的。
一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似；
4、对于两个相关变量，一个变量用x表示，另一个变量用y表示，如果通过试验或调查获得两个变量的n对观测值：（x1，y1），（x2，y2），……，（xn，yn）；为了直观地看出x和y间的变化趋势，可将每一对 观 测 值 在 平 面直角坐标系描点，作出散点图；
5、从散点图可以看出：①两个变量间有关或无关;若有关,两个变量间关系类型，是直线型还是曲线型；②两个变量间直线关系的性质（是正相关还是负相关）和程度（是相关密切还是不密切）；散点图直观地、定性地表示了两个变量之间的关系。为了探讨它们之间的规律性，还必须根据观测值将其内在关系定量地表达出来；
6、利用直线回归方程进行预测或控制时，一般只适用于原来研究的范围，不能随意把范围扩大，因为在研究的范围内两变量是直线关系，这并不能保证在这研究范围之外仍然是直线关系。若需要扩大预测和控制范围，则要有充分的理论依据或进一步的实验依据。
利用直线回归方程进行预测或控制 ，一 般只能内插，不要轻易外延；
7、进行直线相关分析的基本任务在于根据x、y 的实际观测值，计算表示两个相关变量x、y 间线性相关程度和性质的统计量——相关系数r并进行显著性检验；
8、根据实际观测值计算得来的相关系数r是样本相关系数，它是双变量正态总体中的总体相关系数ρ的估计值。样本相关系数r是否来自ρ≠0的总体，还须对样本相关系数r 进行显著性检验。
此时无效假设、备择假设为：HO: ρ=0,HA: ρ≠0。与直线回归关系显著性检验一样，可采用t 检验法与F检验法对相关系数r 的显著性进行检验；
9、 直线回归分析将二个相关变量区分为自变量和依变量，侧重于寻求它们之间的联系形式—直线回归方程；直线相关分析不区分自变量和依变量，侧重于揭示它们之间的联系程度和性质——计算出相关系数。两种分析所进行的显著性检验都是解决y与x间是否存在直线关系。
因而二者的检验是等价的。即相关系数显著 ，回归系数亦显著；相关系数不显著，回归系数也必然不显著；
10、应用直线回归与相关的注意事项：直线回归分析与相关分析在生物科学研究领域中已得到了广泛的应用，但在实际工作中却很容易被误用或作出错误的解释。为了正确地应用直线回归分析和相关分析这一工具，必须注意以下几点：1）、变量间是否存在相关 ；2）、其余变量尽量保持一致；3）、观测值要尽可能的多；4）、外推要谨慎；5）、正确理解回归或相关显著与否的含义 ；6）、一个显著的回归方程并不一定具有实践上的预测意义 ；
(四)、实验内容：
内容：生物统计学（第四版）138页第七章习题 7.4和习题7.6
实验方法步骤
（一）、习题7.4
1、启动spss软件：开始→所有程序→SPSS→spss for windows→spss 18.0 for windows，直接进入SPSS数据编辑窗口进行相关操作；
3、设置分析变量。数据输入完后，点菜单栏：“分析（A）”→“回归（R）”→“线性（L）…”，将“5月上旬50株棉蚜虫数（Y）”移到因变量列表（D）中，将“4月下旬平均气温（X）”移入自变量列表（I）中进行分析；
1）、点“统计量（S）”， 回归系数：在“估计（E）”、“置信区间 水平（%）95”前打钩，“模型拟合性（M）”、“描述性”前打钩，残差：个案诊断（C）前打钩，点“所有个案”，点“继续”；
2）、点“绘制（T）…”，将“DEPENDNP”移入“Y（Y）”列表中，将“ZPRED”移入“X2（X）”中，标准化残差图：在“直方图（H）”、“正太概率图（R）”前打钩，点“继续”；
3）、点“保存（S）…”，所有的默认，点“继续”；
4)、点 “选项（O）…”，所有的都默认，点“继续”，然后点击“确定”便出结果；
统计量（S）…
绘制（T）…
保存（S）…（默认）
（二）、习题7.6
1、启动spss软件：开始→所有程序→SPSS→spss for windows→spss 18.0 for windows，直接进入SPSS数据编辑窗口进行相关操作；
“ 图形（G）”→“旧对话框（L）”→“散点/点状（S）…”
散点图/点图
（五）、实验结果：
回归
表1
描述性统计量
均值
标准 偏差
N
5月上旬棉蚜虫数
56.64
57.113
11
4月下旬平均气温
18.855
2.6819
11
表2
相关性
5月上旬棉蚜虫数
4月下旬平均气温
Pearson 相关性
5月上旬棉蚜虫数
1.000
.858
4月下旬平均气温
.858
1.000
Sig. （单侧）
5月上旬棉蚜虫数
.
.000
4月下旬平均气温
.000
.
N
5月上旬棉蚜虫数
11
11
4月下旬平均气温
11
11
表3
输入／移去的变量b
模型
输入的变量
移去的变量
方法
1
4月下旬平均气温
.
输入
a. 已输入所有请求的变量。
b. 因变量: 5月上旬棉蚜虫数
表4
模型汇总b
模型
R
R 方
调整 R 方
标准 估计的误差
1
.858a
.737
.707
30.903
a. 预测变量: (常量), 4月下旬平均气温。
b. 因变量: 5月上旬棉蚜虫数
表5
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
24023.684
1
24023.684
25.156
.001a
残差
8594.862
9
954.985
总计
32618.545
10
a. 预测变量: (常量), 4月下旬平均气温。
b. 因变量: 5月上旬棉蚜虫数
表6
系数a
模型
非标准化系数
标准系数
t
Sig.
B 的 95.0% 置信区间
B
标准 误差
试用版
下限
上限
1
(常量)
-287.943
69.331
-4.153
.002
-444.780
-131.106
4月下旬平均气温
18.276
3.644
.858
5.016
.001
10.033
26.518
a. 因变量: 5月上旬棉蚜虫数
表7
残差统计量a
极小值
极大值
均值
标准 偏差
N
预测值
20.92
198.19
56.64
49.014
11
残差
-49.122
52.705
.000
29.317
11
标准 预测值
-.729
2.888
.000
1.000
11
标准 残差
-1.590
1.706
.000
.949
11
a. 因变量: 5月上旬棉蚜虫数
表8
案例诊断a
案例数目
标准 残差
5月上旬棉蚜虫数
预测值
残差
1
.687
86
64.78
21.223
2
-.038
197
198.19
-1.190
3
-1.128
8
42.85
-34.847
4
-.034
29
30.05
-1.054
5
-.126
28
31.88
-3.881
6
.067
23
20.92
2.084
7
-1.590
12
61.12
-49.122
8
-.815
14
39.19
-25.191
9
1.039
64
31.88
32.119
10
.231
50
42.85
7.153
11
1.706
112
59.29
52.705
a. 因变量: 5月上旬棉蚜虫数
图表
相关性
表9
描述性统计量
均值
标准差
N
维生素c含量
34.0553
4.94321
32
受冻情况
1.50
.508
32
表10
相关性
维生素c含量
受冻情况
维生素c含量
Pearson 相关性
1
.192
显著性（双侧）
.293
N
32
32
受冻情况
Pearson 相关性
.192
1
显著性（双侧）
.293
N
32
32
图表
实验结果分析：
习题7.
4：由表4得出：拟合优度系数为0.858，接近1，说明拟合好。存在多重线性。由表6得，回归方程的p值