生物医学统计分析实验6报告文档格式.docx

生物医学统计分析实验6报告文档格式.docx

《生物医学统计分析实验6报告文档格式.docx》由会员分享，可在线阅读，更多相关《生物医学统计分析实验6报告文档格式.docx（14页珍藏版）》请在冰豆网上搜索。

（2）然后将实验指导书中的例1-2运行一遍。

四、实验结果与分析

例某科技人员饲养了35尾团头鲂，共重，在水温29℃的条件下，测量摄食量（g）与耗氧量（mg

/）之间的关系，结果如表7-1所示，试计算摄食量与耗氧量的线性相关系数。

表7-1摄食量不同时团头鲂耗氧量的测定结果

摄食量（g）203040506070

耗氧量（mg

/）

实验结果：

表摄食量与耗氧量的描述性统计量

均值

标准差

N

摄食量

6

耗氧量

表摄食量与耗氧量的相关性

Pearson相关性

1

.990**

显著性（双侧）

.000

分析：

表为摄食量与耗氧量的描述性统计量的输出结果；

表为摄食量与耗氧量之间的相关性分析结果，相关系数r=，在SPSS的输出结果中，相关系数肩标“*”为P<

差异显著；

肩标“*”为P<

，差异极显著。

本例P=<

差异极显著，表明两变量之间存在极显著的正相关关系，即耗氧率随摄食量的增加而增加。

例甲、乙评委对10头母牛进行评定，试分析甲、乙两评委评分的一致性。

表甲、乙两评委评分的相关系数

甲

乙

Kendall的tau_b

相关系数

.732*

Sig.（双侧）

.

.010

10

Spearman的rho

.799**

.006

*.在置信度（双测）为时，相关性是显著的。

该题属于定序分析，只能用Kendall和Spearman分析，不能用Pearson分析；

表是甲乙两个评委对奶牛的等级评定的kendallζ秩相关分析与Spearman秩相关分析结果。

由此可知，Kendallζ相关系数为，P=<

，秩相关系数具有显著的统计学意义；

Spearman秩相关系数为，P=<

，说明具有极显著的统计学意义。

于是可认为两个评委的评定等级具有显著的一致性，即两者结论一致。

例8头金华猪胴体的肉色与PH值的大小顺序是否相关

表金华猪胴体的肉色与PH值的相关性

肉色评分

PH

.850**

.008

8

**.在.01水平（双侧）上显著相关。

表金华猪胴体的肉色与PH值的相关系数

.737*

.020

00

.848**

**.在置信度（双测）为时，相关性是显著的。

表可知，肉色评分与PH值的Pearson秩相关系数为，P=<

差异极显著，说明金华猪肉色与PH值的大小顺序有关。

同样的，该题属于定距分类，所以可以利用Kendall和Spearman分析，结果和Pearson分析一样。

由表可知，Kendall的秩相关系数为，P=<

，Spearman的秩相关系数为0.848，P=<

，差异极显著，说明金华猪的肉色与PH值的大小顺序有关。

例穗数（X1）、粒数（X2）、产量（y）的相关分析

表穗数、粒数、产量的描述性统计量

穗数x1

13

粒数x2

产量y

5

.77

表穗数、粒数、产量的相关性分析

**

.627*

.0

2

.013

.967

.022

*.在水平（双侧）上显著相关。

表为穗数、粒数、产量的均数标准差。

穗数X1:

⎺X=，S=，粒数X2:

⎺X=，S=，产量y:

⎺X=，S=；

表为穗数、粒数、产量相关分析结果。

穗数X1与粒数X2的相关系数r=，P=<

差异极显著，即两者存在极显著的线性负相关关系；

穗数X1与产量y的相关系数r=，P=<

差异显著,两者存在正相关关系；

粒数X2与产量的r=，P=>

说明两者相关系不显著。

例随机抽测某渔场16次放养记录，对鱼产量（y）和投饵量（X1）、放养量（X2）

进行偏相关分析。

表鱼产量、投饵量、放养量描述统计量

投饵量x1

16

鱼产量y

放养量x2

.5123

表鱼产量、投饵量、放养量三个变量间的简单相关分析

控制变量

-无-a

相关性

.332

.209

.131

df

14

.561

.024

a.单元格包含零阶（Pearson）相关。

b.

表三变量间的相关分析（控制变量为放养量）

.727

.002

表三变量间的相关分析（控制变量为投饵量）

.798

表三变量间的相关分析（控制变量为鱼产量）

.001

该题有三个变量，在进行分析的时候两两变量间可能受第三个变量影响，因此需要进行偏相关分析；

表为鱼产量、投饵量、放养量三变量的均数和标准差。

鱼产量y:

⎺X=，

S=，投饵量X1:

⎺X=，S=，放养量X2:

⎺X=，S=。

表给出的是三个变量间的简单相关分析，可见如果单独分析，鱼产量y与

放养量X2的相关系数r2y=,P<

具有显著地统计学意义；

而鱼产量y与

投饵量X1的相关系数r1y=，P>

不存在显著相关关系；

放养量X2、投饵

量X1的相关系数r12=,P=,未达到显著水平；

但当控制其中一个变量进行偏相关分析时，结果则不同：

由表可知，当控制了放养量X2的影响后得到的鱼产量y和投饵量X1的偏

相关系数=，P<

说明两者具有极显著的正相关关系；

同样的表可知，当控制了投饵量X1的影响后，鱼产量y与放养量X2的偏

相关系数=，P<

两者相关关系达到极显著水平，而未控制前两者的

相关系数r2y=,P<

，只达到显著水平；

表为控制鱼产量y的影响后投饵量X1与放养量X2的偏相关系数，此时

=，P<

，两者相关关系达到极显著水平，而未控制前两者的相关

关系r12。

y=，P>

未达到显著水平。

例1分析健康儿童头发和全血中的硒含量

表1-1发硒和血硒的描述性统计量

发硒

血硒

表1-2发硒和血硒的相关性

.872**

该题分析发硒和血硒的相关性，属于定距变量，可以用Pearson、Kendall和Spearman分析，此处选用Pearson来分析；

表1-1显示发硒和血硒的均值、标准差和样本个数；

表1-2为Pearson相关性分析结果，本例相关系数r=，P=<

差异极显著，表明两变量之间存在极显著的正相关关系，即健康儿童头发和全血中的硒含量成正相关，发硒越多，血硒越多。

例2对某地29名男童的身高（cm）和体重（kg）、肺活量（ml）进行偏相关分析

表2-1身高、体重、肺活量三个变量间的简单相关分析

身高

肺活量

体重

.588

.719

27

.613

表2-2三变量间的偏相关分析（控制变量为体重）

.269

.167

26

显著性（双侧）

表2-3三变量间的偏相关分析（控制变量为身高）

.337

.079

表2-3三变量间的偏相关分析（控制变量为肺活量）

.562

该题有三个变量，在进行分析的时候两两变量间可能受第三个变量影响，因此需要进行偏相关分析；

表2-1为三个变量间的简单相关分析，可见如果单独分析，身高与体重的相关系数为,P=<

具有极显著地统计学意义；

身高与肺活量的相关系数为，P=<

存在显著相关关系；

体重与肺活量的相关系数为，P=<

达到极显著水平；

由表2-2可知，当控制了体重的影响后得到的身高与肺活量的的偏相关系数为，P=>

说明两者未达到显著水平；

同样的由表2-3可知，当控制了身高的影响后，体重与肺活量的的偏相关系数为，P=>

说明两者未达到显著水平；

表2-4为控制肺活量的影响后身高与体重的偏相关系数为，P=<

，两者相关关系达到极显著水平。

五、实验小结

在涉及多个变量的生物学研究中，由于变量之间的关系比较复杂，任何两个变量间都有可能存在不同程度的线性相关关系，但是这种相关关系又含有其他变量的影响。

因此，简单相关分析实际上并不能真实反映两个变量间的相关关系，此时，应该用偏相关分析。

手写签名：