生物医学统计分析实验6报告.docx

1、生物医学统计分析实验6报告评分大理大学实验报告20152016学年度第 2 学期 课程名称 生物医学统计分析 实验名称 相关分析 专业班级 2013级生物医学工程 姓 名 杨飞 范小欢 学 号 2013166141 2013166143 实验日期 2015年12月24日 实验地点 工科楼503 一、实验目的1、熟悉数据管理的相关操作；2、学会数据的一些基本统计分析方法及操作。二、实验环境1. 硬件配置：处理器（Intel(R) Pentium(R) 4 cpu 2.80GHz）、CD-ROM驱动器、鼠标、内存1GB(1024MB)、32位操作系统2. 软件环境：IBM SPSS_Statist

2、ics_19_win32 三、 实验内容（1）课本第七章的例7.1-7.5运行一遍；（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7.1 某科技人员饲养了35尾团头鲂，共重7.2kg，在水温29的条件下，测量摄食量（g）与耗氧量（mg/kg.h）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） 20 30 40 50 60 70耗氧量（mg/kg.h） 536.3 573.5 595.9 628.9 669.6 725.7实验结果：表7.1-1 摄食量与耗氧量的描述性统计量均值标准差N摄食量45.

3、0018.7086耗氧量621.668.47526表7.1-2 摄食量与耗氧量的相关性摄食量耗氧量摄食量Pearson 相关性1.990*显著性（双侧）.000N66耗氧量Pearson 相关性.990*显著性（双侧）.000N66分析：表7.1-1为摄食量与耗氧量的描述性统计量的输出结果；表7.1-2为摄食量与耗氧量之间的相关性分析结果，相关系数r=0.990，在SPSS的输出结果中，相关系数肩标“*”为P0.05,差异显著；肩标“*”为P0.01，差异极显著。本例P=0.0000.01,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7.2 甲、乙评委对1

4、0头母牛进行评定，试分析甲、乙两评委评分的一致性。 表7.2-1 甲、乙两评委评分的相关系数甲乙Kendall 的 tau_b甲相关系数1.000.732*Sig.（双侧）.010N1010乙相关系数.732*1.000Sig.（双侧）.010.1010Spearman 的 rho甲相关系数1.000.799*Sig.（双侧）.006N1010乙相关系数.799*1.00Sig.（双侧）.006.N1010*. 在置信度（双测）为 0.05 时，相关性是显著的。分析： 该题属于定序分析，只能用Kendall和Spearman分析，不能用 Pearson分析；表7.2-1是甲乙两个评委对奶牛的等

5、级评定的kendall秩相关分析与Spearman秩相关分析结果。由此可知，Kendall相关系数为0.732，P =0.010.05，秩相关系数具有显著的统计学意义；Spearman秩相关系数为0.799，P=0.0060.01，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7.3 8头金华猪胴体的肉色与PH值的大小顺序是否相关表7.3-1 金华猪胴体的肉色与PH值的相关性肉色评分PH肉色评分Pearson 相关性1.850*显著性（双侧）.008N8PHPearson 相关性.850*1显著性（双侧）.008N88*. 在 .01 水平（双侧）

6、上显著相关。表7.3-2 金华猪胴体的肉色与PH值的相关系数肉色评分PHKendall 的 tau_b肉色评分相关系数1.000.737*Sig.（双侧）.020N88PH相关系数.737*1.000Sig.（双侧）.020.N88Spearman 的 rho肉色评分相关系数100.848*Sig.（双侧）.008N88PH相关系数.848*1.000Sig.（双侧）.008.N88*. 在置信度（双测）为 0.05 时，相关性是显著的。*. 在置信度（双测）为 0.01 时，相关性是显著的。分析：表7.3-1可知，肉色评分与PH值的Pearson秩相关系数为0.848，P=0.0080.01

7、,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7.3-2可知，Kendall的秩相关系数为0.737，P=0.0200.05，Spearman的秩相关系数为0. 848，P =0.0080.01，差异极显著，说明金华猪的肉色与PH值的大小顺序有关。例7.4 穗数（X1）、粒数（X2）、产量(y)的相关分析表7.4-1 穗数、粒数、产量的描述性统计量均值标准差N穗数x131.6002.609313粒数x263.4384.965813产量y5.7724.28013表7.4-2 穗数、

8、粒数、产量的相关性分析穗数x1粒数x2产量y穗数x1Pearson 相关性1-.717*.627*显著性（双侧）.006.02N131313粒数x2Pearson 相关性-.717*1.013显著性（双侧）.006.967N131313产量yPearson 相关性.627*.0131显著性（双侧）.022.967N131313*. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。分析：表7.4-1为穗数、粒数、产量的均数标准差。穗数X1:X=31.600，S=2.6093，粒数X2:X=63.438，S=4.9658，产量y:X=512.77，S=24.280；

9、表7.4-2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 =-0.717，P =0.0060.01,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 =0.627，P=0.0220.05,说明两者相关系不显著。例7.5 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7.5-1 鱼产量、投饵量、放养量描述统计量均值标准差N投饵量x19.9192.076616鱼产量y8.7441.853316放养量x22.463.512316表7.5-2 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投饵量x1

10、鱼产量y放养量x2-无-a投饵量x1相关性1.000.332-.394显著性（双侧）.209.131df01414鱼产量y相关性.3321.000.561显著性（双侧）.209.024df14014放养量x2相关性-.394.5611.000显著性（双侧）.131.024.df14140a. 单元格包含零阶 (Pearson) 相关。b. 表7.5-3三变量间的相关分析（控制变量为放养量）控制变量投饵量x1鱼产量y放养量x2投饵量x1相关性1.000.727显著性（双侧）.002df013鱼产量y相关性.7271.000显著性（双侧）.002.df130表7.5-4 三变量间的相关分析（控制变

11、量为投饵量）控制变量鱼产量y放养量x2投饵量x1鱼产量y相关性1.000.798显著性（双侧）.000df013放养量x2相关性.7981.000显著性（双侧）.000.df130表7.5-5 三变量间的相关分析（控制变量为鱼产量）控制变量放养量x2投饵量x1鱼产量y放养量x2相关性1.000-.743显著性（双侧）.001df013投饵量x1相关性-.7431.000显著性（双侧）.001.df130分析： 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7.5-1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=8.744， S=1.

12、8533，投饵量X1:X=9.919，S=2.076，放养量X2:X=2.463，S=0.5123。 表7.5-2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 =0.561,P0.05不存在显著相关关系；放养量X2、投饵 量X1的相关系数r12=-0.394,P =0.131, 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7.5-3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r1y.2=0.727， P0.01,说明两者具有极显著的正相关关系； 同样的表7.5-4可知，当控制了投饵量X1的影

13、响后，鱼产量y与放养量X2的偏 相关系数r2y.1=0.798，P0.01,两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 =0.561,P0.05，只达到显著水平； 表7.5-5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 r12.y=-0.743，P0.05, 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均值标准差N发硒75.4012.29510血硒10.803.32710表1-2 发硒和血硒的相关性发硒血硒发硒Pearson 相关性1.872*显著性（双侧）.001N1010血硒Pearson 相关性.872*

14、1显著性（双侧）.001N1010*. 在 .01 水平（双侧）上显著相关。分析： 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 =0.872，P=0.0010.01,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

15、分析控制变量身高肺活量体重身高相关性1.000.588.001.719.000df02727肺活量相关性.5881.000.613显著性（双侧）.001.000df27027体重相关性.719.6131.000显著性（双侧）.000.000.df27270表2-2 三变量间的偏相关分析（控制变量为体重）控制变量身高肺活量体重身高相关性1.000.269显著性（双侧）.167df026肺活量相关性.2691.000显著性（双侧） .167.df260表2-3 三变量间的偏相关分析（控制变量为身高）控制变量肺活量体重身高肺活量相关性1.000.337显著性（双侧）.079df026体重相关性.33

16、71.000显著性（双侧）.079.df260表2-3 三变量间的偏相关分析（控制变量为肺活量）控制变量体重身高肺活量体重相关性1.000.562显著性（双侧）.002df026身高相关性.5621.000显著性（双侧）.002.df260分析：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0.719 ,P=0.0000.01,具有极显著地统计学意义；身高与肺活量的相关系数为0.588，P=0.0010.01,存在显著相关关系；体重与肺活量的相关系数为0.613，P=0.0000.05,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0.337，P=0.0790.05, 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0.562，P=0.0020.01， 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：