数据分析及DPS数据处理系统.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,数据分析及DPS数据处理系统,1,主要参考资料,试验应用统计：设计、创新和发现，第2版，George E.P.Box等著，张润楚等译，机械工业出版社，,试验的设计与分析：王万中主编，高等教育出版设，2004.,试验设计与分析及参数优化，吴建福(美)等著(张润楚等译)，中国统计出版社，2003,DPS数据处理系统-实验设计、统计分析及数据挖掘,第2版，唐启义著，科学出版社，,2,实验设计优化与DPS,3,DPS,开发背景,上世纪80年代以来，很多单位都着手编写统计分析程序，但随着时间的推移，绝大多数程序由于算法落后、数据格式规范性差、输出格式零乱、缺乏完整性而被淘汰。,目前，国外大型统计软件，如SAS、SPSS等占优势。这从短期效应来看，引进国外软件，有利国内科研对数据处理需求。但从长期看，特别是从知识产权来讲，依赖于国外软件需要昂贵的费用支持。如在SAS平台上开发的程序，由于摆脱不了SAS的环境，难在国内推广应用。,因此，研制、推广适合国内需要的统计软件，是势在必行的事；我们通过近20多年的努力，开发成功了功能完整的DPS数据处理系统，其功能已接近、SPSS的水平。,4,1988年开始，历时10年，1997年推出DOS版本第1版，同时出版配套专著第1版(4000册)；,1998年完成Window版(第2版)，2002年和2007年分别出版配套专著3000册；年再次出版配套专著3500册（165万字)；目前软件版本12.01版。,DPS数据处理系统开发历程,5,出版教材：,唐启义DPS数据处理系统实验设计、统计分析及数据挖掘第2版，科学出版社，年。,唐启义 冯明光DPS数据处理系统实验设计、统计分析及数据挖掘 科学出版社，2007年。,唐启义 冯明光实用统计分析及其DPS数据处理系统 科学出版社，2002年。,唐启义 冯明光实用统计分析及其计算机处理平台 中国农业出版社，1997年。,6,DPS数据处理系统实验设计、统计分析及数据挖掘,7,DPS用户界面与数据接口,8,9,DPS功能特色,实验设计：,均匀设计,混料实验设计,统计分析：,动态聚类分析,因子分析模型统计检验与评价,10,DPS的应用,用户数已超过10000；,遍及国内各个省市，包括港、台，各个行业和领域；,宾州大学林共进博士的实验室用于工业实验设计（大样本实验设计）；,成为赴国外攻读博士、或访问学者的工具。,11,DPS使用(类似Excel电子标的操作),12,数据统计分析基本步骤,(1)将数据输入到DPS的电子表格里。数据一般是一行为一个记录(样本)，一列一个指标（变量）。,(2)用鼠标选中待分析的数据。,(3)进入菜单选择相应的统计功能项。,(4)系统对选中的数据进行分析，并将分析结果返回到另一电子表格。,13,14,15,某县植保站，调查4个水稻品种上稻纵卷叶螟卷叶率(%),结果列于下表。,水稻品种,卷叶率（%）,合计,平均,A,1,31.9,27.9,31.8,28.4,35.9,155.9,31.18,A,2,24.8,25.7,26.8,27.9,26.2,131.4,26.28,A,3,22.1,23.6,27.3,24.9,25.8,123.7,24.74,A,4,27.0,30.8,29.0,24.5,28.5,139.8,27.96,合计,=550.8,16,数据转换：如数值相差几个数量级，可用对数转换;如许多小区值为0，则可用平方根转换;如指标是百分数,且大部分数值大于70或小于30，可用反正弦平方根转换。,一般用Tukey法和LSD法。但注意：,目前国内目前的农药实验要求Duncan 法。,17,18,学会思考,在您目前从事或涉及到的研究领域，在实验设计或进行数据分析时，您最有可能碰到哪些统计学方面的问题？,在试验设计与数据处理分析中，您有可能用到工具软件（如DPS）中的哪些功能、或数据分析方法来解决您的问题，以及使用这些方法时的注意事项。,19,实验设计与统计分析,20,21,1 实 验 设 计,实验设计特点,实验设计基本原则,实验设计基本内容和步骤,常用实验设计方法,22,1、实验设计Experiment Design的特点,试验研究和调查研究主要区别：对研究对象是否进行干预。,试验研究特点：根据研究目的(或假设)主动加以干预措施，观察结果，回答研究假设所提出的问题。,23,实验研究(例子),新农药防治某作物害虫的效果,首先假设该,农药可以杀死害虫,。,在田间划分,几个随机区组,，区组内,随机设置小区,，必要时各个小区接入害虫卵块。,将农药配制成不同的浓度，,再加一个空白(清水)对照,。在害虫防治适期施药、处理。,处理(施药)后24小时、72小时、，调查各个小区的虫量(观察指标)，并对数据进行方差分析，看各处理间有无显著差异，进而得出该农药是否具有对该害虫防治效果的结论。,从该例中可以看出研究者施加了,干预,措施，即施用不同浓度的农药。再经过,观察,总结，,验证,提出的假设是否正确。,24,2、实验设计基本原则,随 机,对 照,重 复,目的是为有效控制非处理因素,25,2.1 随机化原则,目的：研究者在实验设计时，并不完全知道实验过程中的许多非实验因素，随机误差干扰在所难免，因此有必要,采用随机化的办法抵消这些干扰因素的影响,。,随机化原则包括两方面,随机分配：把实验处理对象随机分到各个区组内，以增强可比性(区组内小区随机设置)。,随机抽样：总体中的每一个观察单位都有同等的机会被选入到样本中来(如实验结果的调查)。,26,2.2 对照原则,设置对照小区，除实验处理不同外，实验过程中的实验条件和辅助措施都应相同，以便比较所研究对象存在的真实差异。,抵消害虫、病害自身消长趋势的影响,抵消实验环境的其它因素的干扰,27,常见的对照,空白对照,(,如农药药效实验中用清水处理，重金属元素检测的空白处理,),标准对照,(,如农药药效实验中的标准农药品种,),28,例子:复配农药防治一代二化螟的单因素随机区组设计,单因素随机区组设计,29,2.3 重复的原则,是指各处理组及对照组的重复要有一定数量。,重复数太少的话，,很可能把某些偶然现象当作客观规律。,重复数太多的？人力物力浪费。,在保证实验结果具有一定可靠性的条件下，确定合适的重复(区组)数量。,30,3 实验设计的基本内容和步骤,建立研究假设（提出要解决的问题）,明确研究范围（,受试对象）,确立处理因素（,处理因素）,明确观察指标（,实验效应）,控制误差和偏倚(区组设计),31,3.1 建立研究假设,科研选题：研究的题目要有科学性和新颖性、社会效益和经济效益、最后要考虑可行性。,32,3.2 明确研究范围,实验中的三个基本要素为：处理因素、实验效应和受试对象。明确研究范围即：,受试对象所组成的研究总体,规定本次研究的总体范围,如研究病虫为害对作物产量影响，首先确定作物产量的考察标准以及计量方法，然后根据研究需要，选定实验田块安排实验，确定实验处理因素(不同的害虫密度梯度设置)，使得实验效果清晰、明了。,33,实验设计的基本要素,例如：用某种,杀虫剂,防治,作物害虫,，,观察其,虫口数量下降,情况。,基本要素：处理因素（,杀虫剂,）,受试对象（,作物害虫,）,实验效应（,虫口数量下降,）,34,3.3 确定处理因素,处理因素是根据研究目的而施加的特定实验措施,(如农药药效实验种的不同农药浓度)。,为了增强可比性，实验通常设立对照，如空白或者标准。对照也是一种处理措施。,35,3.4 明确观察指标,实验中的实验效应主要指处理因素作用于实验对象的反应，这种效应将通过实验中观察指标显示出来。选用的指标应该是：,客观性强（易观察，可量可测，操作性强）,灵敏度高（对各个处理的反应要灵敏）,精确性强（要反应研究对象的实质，不受或少受其它因素的影响）,36,3.5 控制误差和偏倚,误差（error）：测量值与真值之差,1，5，9=5 (真正均值5),偏倚（bias）：在实验中由于某些非实验因素的干扰所形成的系统误差,4，5，9=6 (真正均值5),37,完全随机实验,随机区组设计,裂区实验设计,正交设计,二次正交回归组合设计,均匀实验设计,4 常用实验设计方法,38,常用,试验设计,完全随机设计,随机区组设计,裂区设计,样本容量估计,随机分组,方差分析,多重比较,局部控制,随机分,处理,方差分析,多重比较,主区,裂区,方差分析,正交设计,水平数5,正交表,安排,方差分析,均匀设计,均匀表,安排,线性回归分析,多项式逐步回归,模型优化,正交回归组合,M,c,+M,r,+M,0,二次多,项式回归,模型优化,水平数5,39,4.1 完全随机实验,概念,：首先将受试对象随机分配到实验(处理)组和对照组，通过比较分析回答研究假设。,统计方法,成组设计的两样本均数比较(t检验)，相应的秩和检验(非参数检验),成组设计的多个样本均数比较(方差分析),相应的秩和检验(非参数Kruskal Wallis检验),两样本率(卡方检验)或多样本率比较(Logistic 回归),40,完全随机设计的随机分配方法,使用,随机数字表,DPS生成：,如3个处理，5次重复，共15个实验处理(样品)的实验：,41,分配结果,分组,对象编号,甲组,1,7,9,10,14,乙组,5,8,11,13,15,丙组,2,3,4,6,12,42,但遗憾的是，我们以往的试验优化分析工具，都没有提供可处理区组设计功能。,优化需要二次曲线方程,而有些试验结果间的差异虽小，但由于试验误差小，反而可能推断为“差异显著”。,概念：将研究对象按性质相同或相近者组成b 个区组（局部控制），每个区组中的k 个处理随机分配。,确定处理因素，田间划分区组,完全随机设计的随机分配方法,试验的设计与分析：王万中主编，高等教育出版设，2004.,线性回归模型能优化吗：求最大、最小值,不一致时，采用数值寻优算法得到的最优点有可能位于实验因子取值的边界上。,确立处理因素（处理因素）,DPS用户界面与数据接口,数据描述：均值和标准差是必须的，处理样本数也要说明。,、其他因子为零时单因子和两因子互作效应分析，可在DPS系统作图功能的支持下，分别作x-y曲线图和等高线图；,有些试验结果虽然差别大，但由于试验误差大，也许还不能得出“差异显著”的结论；,DPS用户界面与数据接口,实验结果分析：方差分析假定该实验是甲组是对照，乙组和丙组是不同微量元素处理的盆栽实验，实验指标是植株鲜重，问不同处理的植株鲜重是否不同？,133.8,125.3,143.1,128.9,135.7,151.2,149,162.7,143.8,153.5,193.4,185.3,182.8,188.5,198.6,43,完全随机设计实验结果方差分析数据格式,在菜单下执行“实验统计”-“完全随机设计”下面的“单因素实验统计分析”。,44,数据转换：如数值相差几个数量级，可用对数转换;如许多小区值为0，则可用平方根转换;如指标是百分数,且大部分数值大于70或小于30，可用反正弦平方根转换。,一般用Tukey法和LSD法。国内目前的农药实验要求Duncan 法。,45,46,数据描述：均值和标准差是必须的，处理样本数也要说明。,方差分析：F值、自由度和P值；如P0.05则差异显著，如P“随机区组设计”下面的“单因素实验统计分析”。,58,数据转换：如数值相差几个数量级，可用对数转换;如许多小区值为0，则可用平方根转换;如指标是百分数,且大部分数值大于70或小于30，可用反正弦平方根转换。,一般用Tukey法和LSD法。但注意：,目前国内目前的农药实验要求Duncan 法。,59,结果描述及数据分析与完全随机实验设计相同，就当是区组间那一行不存在,60,基数的调整？,原始观察值：协方差分析,相对防治效果,61,实验中缺掉12个处理小区怎么办？,一般线性模型在方差分析中的应用。,62,实际例子,63,执行“实验统计”-“一般线性模型GLM”分析,在“可供分析变异来源”列表框中先选“B”,点击”,再选“A”,点击”,将这两项加入到右边。并选I型平方和分解。多重比较方法，这里选”Duncan”法，然后点击”OK”即可输出结果。,64,65,4.3 两因素随机区组设计,问题提出：不同农药或某农药不同浓度，在不同时期或不同施药技术情况下对病虫的防治效果。,一般情况:两因素随机区组设计。,特殊情况:植保农药实验，加上施药时期、施药技术等因子后，含有“伪因子”情形，需用,一般线性模型分析,66,伪因子,农药不同种类、不同浓度处理，一般要设空白作为对照。空白和其它因子组合，如和施药时期、施药技术的组合，实际上还是“空白”，没有不同（伪因子）。因此“伪因子”的多因子农药实验中经常遇到。,农业中的多因素农药、施肥等实验，只要有空白作为对照，就有这种现象存在。,67,例如进行不同农药不同浓度、在不同时期防治二化螟药效实验。其空白对照和不同施药时期的搭配就是“伪因子”,68,某实验处理得到作物产量结果如下：,这样的数据不能直接进行两因素随机区组设计的方差分析,69,含伪因子实验结果统计分析,70,实验结果解释(1：方差分析表),71,实验结果解释(2：多重比较),72,4.4 多因子实验,完全随机设计、随机区组设计（析因设计）,裂区设计,均匀设计,正交设计,正交回归组合设计,正交设计及正交回归组合设计是应用最广泛的多因子实验设计。,73,一般多因素试验设计(析因设计)当处理因素较多时：处理组合呈指数增长,5个因素,5个水平,3个区组有多少处理组合？,5,5,=3025次x3=9075,正交试验设计：从所有的试验组合中，选择在试验,因子空间相互正交,的一些点来进行试验。需要的实验次数是,水平数的平方,更多因素的实验设计：,为什么一般用正交实验设计？,74,4.4.1 正交设计,当实验涉及的因素在三个或三个以上，且因素间可能存在交互作用时，可用正交设计。正交实验中各因素的水平数可以相等，也可以不相等。它利用一套规格化的正交表，将各实验因素、各水平之间的组合均匀搭配，合理安排，可以用较少的、有代表性的处理组合数，提供充分有用的信息，还可以找出较优组合，用以指导实践。,75,正交实验举例分析(p269-274),花菜留种正交试验的因子与水平表,因,子,水,平,1,水,平,2,A,：浇水次数,不干死为原则，整个生长期只浇12次,根据生长需水量和自然条件浇水，但不过湿,B,：喷药次数,发现病害即喷药,每半月喷一次,C,：施肥次数,开花期施硫酸铵,进室发根、抽苔、开花和结实期各施肥一次,D,：进室时间,11,月初,11月15日,76,研究目的,为了解决花菜留种问题，进一步提高花菜种子的产量和质量，科技人员考察了浇水、施肥、病害防治和移入温室时间对花果留种的影响，进行了这4个因素各因素两水平的正交试验。,77,L,8,（2,7,）正交表 8：实验次数；2：各因素的水平数 7：最多安排的实验因素及其效应数（包括误差项）,78,有重复的两水平正交实验,上例属于无重复的两水平正交实验,如果想增大误差自由度以提高检测诸因子作用的能力，或者想研究各因子间的所有交互作用，就可采用重复实验的方法，假定把每一个实验都重复三次，结果如下。,79,有重复的两水平正交实验,80,正交实验数据统计分析：,初步分析：比一比，看一看,统计分析：方差分析，及多重比较,有重复和没有重复的统计分析。,81,无重复时统计分析(要有空白列),82,极差分析结果,均值,因子,水平1,水平2,x(1),33.5000,65.2500,x(2),65.7500,33.0000,AB,44.0000,54.7500,x(4),36.7500,62.0000,AC,69.5000,29.2500,x(6),50.2500,48.5000,x(7),50.5000,48.2500,83,各个因子各水平均值,84,因子,极小值,极大值,极差R,调整R,x(1),33.5000,65.2500,31.7500,45.0850,x(2),33.0000,65.7500,32.7500,46.5050,AB,44.0000,54.7500,10.7500,15.2650,x(4),36.7500,62.0000,25.2500,35.8550,AC,29.2500,69.5000,40.2500,57.1550,x(6),48.5000,50.2500,1.7500,2.4850,x(7),48.2500,50.5000,2.2500,3.1950,85,完全随机设计、随机区组设计（析因设计）,最后，如果在分析时按系统的提示，输入了目标指标的价格，以及各个处理因素的价格，系统将会给出最大经济效益时的产量和产值。,(2)用鼠标选中待分析的数据。,例子:复配农药防治一代二化螟的单因素随机区组设计,为什么一般用正交实验设计？,一般用Tukey法和LSD法。,上世纪80年代以来，很多单位都着手编写统计分析程序，但随着时间的推移，绝大多数程序由于算法落后、数据格式规范性差、输出格式零乱、缺乏完整性而被淘汰。,当实验涉及的因素在三个或三个以上，且因素间可能存在交互作用时，可用正交设计。,数据描述：均值和标准差是必须的，处理样本数也要说明。,在菜单下执行“实验统计”-“随机区组设计”下面的“单因素实验统计分析”。,如有一个4因子的试验，第一个因子是播种期，零水平3月31日，变化区间5天；,处理(施药)后24小时、72小时、，调查各个小区的虫量(观察指标)，并对数据进行方差分析，看各处理间有无显著差异，进而得出该农药是否具有对该害虫防治效果的结论。,灵敏度高（对各个处理的反应要灵敏）,同时，根据典型方程，判断各个因素在稳定点附近的变化大小。,1998年完成Window版(第2版)，2002年和2007年分别出版配套专著3000册；,因子分析模型统计检验与评价,不一致时，采用数值寻优算法得到的最优点有可能位于实验因子取值的边界上。,方差分析表（,不显著的互作项可作为空白列，重新分析,）,正交设计方差分析表(完全随机模型),变异来源,平方和,df,均方,F值,p值,x(1),2016.1250,1,2016.1250,329.1633,0.0351,x(2),2145.1250,1,2145.1250,350.2245,0.0340,AB,231.1250,1,231.1250,37.7347,0.1027,x(4),1275.1250,1,1275.1250,208.1837,0.0441,AC,3240.1250,1,3240.1250,529.0000,0.0277,x(6)*,6.1250,1,6.1250,x(7),10.1250,1,10.1250,1.6531,0.4208,误差,6.1250,1,6.1250,总和,8923.8750,86,有重复时统计分析,87,根据重复的设计类型确定,88,4.4.2 定量数学模型 二次正交回归设计,正交试验结果分析考虑因子间的交互作用。,根据一般正交试验结果可建立回归模型，如,Y=290-106,x,1+93,x,2+31,x,3+6,x,4,线性回归模型能优化吗：求最大、最小值,优化需要二次曲线方程,89,二次多项式回归方程，可以优化，如,y=68.5-15X1-40X2+0.0X1*X1+0.0X2*X2+15X1*X2,但是一般实验设计得到的自变量，其二次项，互作项之间不一定正交。在没有计算机软件的情况下，计算工作量也大。,90,要建立二次多项式优化，因子之间又要正交：,正交回归组合设计,使得试验因素的整个设计矩阵，包括二次项、互作项都相互正交。,91,92,二次：模型优化；,正交：各个因子正交；消除因子间互作的影响；,旋转：各个因子点到中心的距离相等；,组合：加上适当的中心试验点(0,0,0,0)个数，适当整个设计矩阵满足要求。,根据中心点数不同(当然为保持正交性，相应的臂长也不同)，有：,二次正交旋转组合设计,二次通用组合设计,二次正交回归组合设计,Center composite designs(CCD),93,零水平,星号臂长,实验设计,零水平必须大于臂长,正的星号臂值水平须“过量”,变化区间,94,试验设计,首先确定因子和各个处理因子的零水平、变化区间。如有一个4因子的试验，第一个因子是播种期，零水平3月31日，变化区间5天；第二个因子是播种量，零水平40公斤，变化区间5公斤；第三因子是移栽期叶龄，零水平6叶，变化区间1叶；第四因子是氮肥用量，零水平20公斤，变化区间5公斤。其试验设计可按下图方式编辑，并定义成数据。,95,96,97,实验结果统计分析,左边方实验设计表，右边一列放各个处理相应的产量，然后用鼠标选中。,最后进入主菜单，选择“试验统计”中的“实验优化分析”下面的“二次多项式回归”。系统出现如下界面。,98,99,输出结果,、各个因素(试验处理水平)编码的平均值和标准差,以及相关系数矩阵；,、二次多项式回归模型；,、回归模型的,F,检验值及显著水平,p,，一般显著水平小于等于0.05时即可对该模型进一步分析，如果,F,太小，回归方程不显著，则不适合建立二次多项式回归模型来分析试验结果；,100,模型统计检验,变异来源,平方和,自由度,均方,F值,p值,回归,468.29,14,33.4493,1.2688,0.3026,残差,553.64,21,26.3636,失拟,420.37,10,42.0367,3.4697,0.0264,误差,133.27,11,12.1154,总变异,1021.93,35,101,、各个因子项的回归系数、标准回归系数、,t,检验值及显著水平,p,；,、回归模型的复相关系数,R,剩余标准差和调整后的相关系数，一般来说，调整后的相关系数越大越好；,、各个处理的观测值、拟合值和拟合误差，以及Durbin-Watson(DW)统计量。DW统计量只当分析样本按某一顺序(如处理先后)存放时才有意义，该值要在2的附近为好；,102,、其他因子为零时单因子和两因子互作效应分析，可在DPS系统作图功能的支持下，分别作,x-y,曲线图和等高线图；,、其他因子为零水平时，各个因素的灵敏度分析，给出了系数灵敏度、导数、平均效应,y,/,x,和目标函数,y,，根据这些数据，可以进行边际分析；,103,应用典型方程，我们可以得到如下信息：,一是稳定点处是否是拟合模型的极大值、极小值或者是鞍点：当典型方程的各个系数为,负,时，稳定点为模型的,极大值,；当典型方程的各个系数为,正,时，稳定点为模型的,极小值,；当典型方程的各个系数有,正,有,负,时，稳定点为,鞍点,。,这一点很重要，这时因为我们在寻优建模时，往往根据专业背景，指定模型寻优方向。这种寻优方向可能和拟合模型本身的最优解不一致，或部分因子不一致。不一致时，采用数值寻优算法得到的最优点有可能位于实验因子取值的边界上。,104,105,同时，根据典型方程，判断各个因素在稳定点附近的变化大小。系数越大，变化越快，该点的稳定性就较差，这是在应用中需要注意的。,最后，如果通过数值优化分析和典型分析得到的最优值一致，那么模型可以认为是较好的，如果不一致，在模型应用时，需要进行更深入的分析，探明原因，且模型结果谨慎应用。,106,多因子实验优化中的区组设计,多因子优化设计试验，一般试验次数较多。试验次数增加会带来量方面的问题：,一是试验时间延长。有的实验处理是依时间顺序一个接一个地进行的。由于时间延而产生的对实验结果的影响叫做时间漂移，这一影响很可能增加试验误差。这种情况在工业试验中较为普遍。,另一种情况是试验区增大。在农林生物的田间试验中，因处理因子多、实验区加大、这样难以在同质的条件下进行试验，而需要进行小区控制、实行区组设计。,107,DPS提供的区组设计功能,区组设计应用与多因子优化试验是有必要的。但遗憾的是，我们以往的试验优化分析工具，都没有提供可处理区组设计功能。这里，我们增加了处理含有若干区组的二次正交回归组合(中心复合)设计试验数据分析建模功能，该功能模块在“试验统计”,“试验优化分析”,“区组设计二次多项式回归”里面。,108,区组设计统计分析数据格式,二次正交回归组合设计或其他多因子试验，如果在实施时划分了,B,个区组，在试验结果的数据分析时，,数据的第一列放区组的顺序编号(1，2，.,B,),，其它列则和其它多因素实验设计一样，放各个处理因子的编码值或各个因子试验实施的水平值，最右边放试验观察指标结果值。,109,区组设计优化分析,变异来源,平方和,自由度,均方,F,值,p,值,回归,679.54,16,42.47,2.3569,0.0383,模型,468.29,14,33.45,1.8562,0.1042,区组,211.25,2,105.63,5.8616,0.0104,残差,342.38,19,18.02,失拟,259.17,8,32.40,4.2825,0.0145,误差,83.21,11,7.56,总变异,1021.93,35,110,5.回归分析,回归(regression)建立一个描述应变量依自变量变化而变化的直线方程，并要求各点与该直线纵向距离的平方和为最小。,直线回归是回归分析中最基本、最简单的一种，直线回归方程是,Y,=,a,+,bX,中，,a,、,b,是决定直线的两个系数，,111,5.1 直线回归分析(p625),根据试验数据、或调查资料，建立定量的回归方程，并对回归方程进行统计检验的过程。,最小二乘法建立线性回归方程。,在DPS里，建立回归方程：,一行一个样本,一列一个变量,因变量放在最右边。,建立回归方程，样本个数要大于总变量个数。,112,、典型分析，求一阶偏导数方程、拟合方程的典型形式，稳定点分析；,、在试验条件的约束之下，进行模型优化，得到最高产量时各个因素组合。,最后，如果在分析时按系统的提示，输入了目标指标的价格，以及各个处理因素的价格，系统将会给出最大经济效益时的产量和产值。,113,典型分析,对回归模型进行比较深入、直观地分析；典型分析(又称典范分析，典则分析，Canonical analysis)提供了较为理想的分析技巧。,114,115,116,回归分析结果解释,回归方程能否成立，看,F,值，显著水平(0.5)，50%。决定系数是相关系数的平方，相关系数要大于0.7。,决定系数说明了：建立线性回归方程的这些变量，这些变量建立起来的回归方程，可以解释因变量变化（波动）的比例。,各个变量的作用(影响)：看标准系数，标准系数才具有可比性。,因子作用是否显著，看回归系数的显著水平。0.05才显著。不显著的因子,可考虑,剔除。,但并不是一大于0.05就剔除。原因是自变量之间的相互作用是非常复杂的。如多重共线性。,117,5.2 逐步回归(p636),在DPS中，逐步回归分析数据格式和线性回归相同：一行一个样本，一列一个变量，因变量放在最右边。,118,逐步回归：调整R值达到最大,下一页,119,120,分析结果,121,5.3 非线性回归模型(p798),一行为一个样本,一列为一个变量。,在数据块中，第一列为X1，第二列为X2，.。若数据块中有p列数据，那么数据块的最后一列为Xp。,122,用户操作界面,123,输出结果,124,某地油菜菌核病发病率增长过程。,125,126,127,谢谢！,128,