R语言基于多元回归分析的大豆植株性状与产量的回归分析.doc

《统计计算》课程论文 论文题目 ： 大豆植株性状与产量的回归分析 姓名 ： 李涵宇 学号 ： 1109020135 班级 ： 统计1101 年级 ： 11级 专业 ： 统计学 学院 ： 统计与数学学院 授课教师 ： 杨青龙 完成时间 ： 2014年5月 摘　　要 选育高产优质的作物品种、采用高效的栽培技术，一直是农业科研工作者研究的主题。多年以来，人们为了解作物植株性状与产量的关系，以便做到更有效的性状选择和采取相应的栽培措施，进行了一系列的研究，关于作物产量与施肥、土壤条件、气候因子等的关系研究报道也较多。但影响大豆产量的植株自身因素还有许多种，有待于继续探究。 关键词：大豆产量；影响因素;植株性状与产量关系 Abstract Breeding of high yield and good quality of crop varieties, adopt efficient cultivation techniques, has been the subject of agricultural scientific research workers study. Over the years, the people to understand the relationship between the crop plant traits and yield, in order to achieve more effective selection and the corresponding cultivation measures, conducted a series of research, on crop yield and fertilizer application, soil conditions, studies on the relationship between climate factor and more. But there are still many factors influencing the soybean production plants, subject to continue to explore. Key words: Soybean production; Influencing factors; Plant traits and yield 引 言 本文主要研究在作物植株诸多性状如生育日数x1、株高x2、有效分枝数x3、主茎节数x4、单株荚数x5、单株粒数x6、每荚粒数x7、百粒重x8、单株粒重x9，九种大豆植株性状与小区产量y之间的关系，从中找出产量的主导性状因子，为大豆高产育种中各农艺性状的选择和高产栽培技术提供理论依据 一、多元回归分析方法 （一）多元线性回归模型的建立 多元线性回归分析是研究一个响应变量与多个自变量间呈线性相关关系的问题，这种关系可以用多元线性回归方程来描述： 式中 为回归常数项， （i=1，2，……k）称为偏回归系数，其意义为当其它自变量对响应变量的影响固定时，对应的第 i个自变量对 的线性影响程度。 （二）残差分析 残差是指由回归方程计算所得的预测值与实际样本值之间的差距，定义为，它是回归模型的估计值，由多个形成的序列称为残差序列，如果回归方程能够很好的反映被解释变量的特征和变化规律，那么残差序列中不应包含明显的规律性和趋势性。 （三）多重共线性检验与修正——逐步回归法 逐步回归的基本思想是：对全部因子按其对影响程度大小（偏回归平方的大小），从大到小地依次逐个地引入回归方程，并随时对回归方程当时所含的全部变量进行检验，看其是否仍然显著，如不显著就将其剔除，知道回归方程中所含的所有变量对的作用都显著是，才考虑引入新的变量。再在剩下的未选因子中，选出对作用最大者，检验其显著性，显著着，引入方程，不显著，则不引入。直到最后再没有显著因子可以引入，也没有不显著的变量需要剔除为止。 逐步回归分析时在考虑的全部自变量中按其对的贡献程度大小，由大到小地逐个引入回归方程，而对那些对作用不显著的变量可能是中不被引入回归方程。另外，已被引入回归方程的变量在引入新变量进行检验后失去重要性时，需要从回归方程中剔除出去。 Step 1 计算变量均值和差平方和记各自的标准化变量为 Step 2 计算的相关系数矩阵。 Step 3 设已经选上了个变量：且互不相同，经过变换后为对逐一计算标准化变量的偏回归平方和，记，作检验，，对给定的显著性水平，拒绝域为。 Step 4 最Step 3 循环，直至最终选上了个变量，且互不相同，