偏相关统计分析论文

偏相关分析（partialcor...在多要素所构成的系统中，当研究某⼀个要素对另⼀个要素的影响或相关程度时，把其他要素的影响视作常数（保持不变），即暂时不考虑其他要素影响，单独研究两个要素之间的相互关系的密切程度，所得数值结果为偏相关系数。也就是我们在论⽂中看到的control variables（Age, educateion, gender）等与实验⽆关的变量Z，但是⼜影响因变量Y。在多元回归分析中，在消除其他变量影响的条件下，所计算的某两变量之间的相关系数。在多元相关分析中，简单相关系数可能不能够真实的反映出变量X和Y之间的相关性，因为变量之间的关系很复杂，它们可能受到不⽌⼀个变量的影响。这个时候偏相关系数是⼀个更好的选择。假设我们需要计算X和Y之间的相关性，Z代表其他所有的变量，X和Y的偏相关系数可以认为是X和Z线性回归得到的残差Rx与Y和Z线性回归得到的残差Ry之间的简单相关系数，即pearson相关系数。得到便相关系数partial correlation coefficient。 x,y是想要分析相关的变量，z是想要control的变量。R，Matlab 和spss上实现：R method 1：借助⼯具包“dplyr"⾥⾯的函数(dplyr)stats2 <- (X,Y,Z,method="pearson")methods:"pearson", "spearman"，"kendall"Results：R method 2：⽤定义，借助⼯具包“stats"⾥⾯的，residuals函数library（stats）r1 <- residuals(lm(formula=X~Z))r2 <- residuals(lm(formula=Y～Z))stats3 <- (r1,r2,method="pearson")这样写lm 函数，线性回归拟合的⽅程为：X=B1*Z+B01; Y= B2*Z+B02, 默认线性回归的函数是有截距的。Results：Matlab：利⽤partialcorr 函数[rho,p_value] = partialcorr(X,Y,Z,'type','Pearson');Results:错误代码⽰例）Matlab method 2：⽤回归误差相关的思路来求偏相关系数（错误代码⽰例[B1,BINT1,R1,RINT1] = regress(X,Z);[B2,BINT2,R2,RINT2] = regress(Y,Z);[rho,p_value] = corr(R1,R2,'type','Pearson');这样写regress 函数，线性回归拟合的⽅程为：X=B1*Z; Y= B2*Z，默认回归函数没有截距。Results:注意：结果不⼀样，貌似做了同样的事情，得不到相同的结果。其实是因为Matlab regress函数的特殊⽤法，需要⼀个全⼀向量来占位b0正确代码⽰例[B1,BINT1,R1,RINT1] = regress(X,[ones(size(Z,1),1),Z]);[B2,BINT2,R2,RINT2] = regress(Y,[ones(size(Z,1),1),Z]);[rho,p_value] = corr(R1,R2,'type','Pearson');这样写regress 函数，线性回归拟合的⽅程为：X=B1（1，1）*1+B1（1，2）*Z; Y= B2（1，1）*1+B2（1，2）*Z. 由于regress默认回归函数没有截距，所以要⾃⼰添加⼀个全1的向量，回归结果中这个时候B1（1，2）（B2（1，2））才是变量Z的系数，B1（1，1）（B1（1，2））是截距.Results：结果与上⾯⼀致了SPSS：Results：￥5百度文库VIP限时优惠现在开通,立享6亿+VIP内容立即获取偏相关分析（partialcor...偏相关分析（partialcor...在多要素所构成的系统中，当研究某⼀个要素对另⼀个要素的影响或相关程度时，把其他要素的影响视作常数（保持不变），即暂时不考虑其他要素影响，单独研究两个要素之间的相互关系的密切程度，所得数值结果为偏相关系数。也就是我们在论⽂中看到的control variables（Age, educateion, gender）等与实验⽆关的变量Z，但是⼜影响因变量Y。在多元回归分析中，在消除其他变量影响的条件下，所计算的某两变量之间的相关系数。在多元相关分析中，简单相关系数可能不能够真实的反映出变量X和Y之间的相关性，因为变量之间的关系很复杂，它们可能受到不⽌⼀个变量的影响。这个时候偏相关系数是⼀个更好的选择。

分析杂交水稻种植特点论文

一、分蘖和有效穗

1978、1979年秋季,我们在福建的龙海、平和等县进行了杂交水稻高产的调查,较完整地掌握了52块田的资料,结合该地区农业局验收整理的388块田的资料;从中选出理论产量与实际产量相差3T5公斤/公顷之内的197块田的资料进行统计分析。结果汕优2号、四优2号的早、晚季都表现产量与总粒数的偏相关达显着水准(公式略)根据穗数和穗粒数计算标准偏回归系数,说明增穗的增产潜力大于增粒的增产潜力。我们又调查了全省6个地区11个县的晚季杂交水稻有效穗数与产量的关系。得出每公顷产3了50公斤以下的有效穗数为135~180万。每公顷产6250、6000公斤的为225~24D万,每公顷产6750、7500公斤的为270、28与万;每公顷产9750、12000公斤的为300、345万。这说明有效穗多产量高,有效穗少产量低。197块田的资料分析指出:基本苗数、最高茎莫数、分集成穗率分别与有效穗数呈显着或极显着正相关。

(一)秧苗案质与甚木苗19T7年进行了秧苗素质研究。设秧苗素质与本田施氮量两种处理。试验结果产量差异显若。兹将其中四个处理分析如下:扁蒲秧2本,210公斤N/公顷,“”.75公斤/公顷三叉秧l本,105公斤/公顷,公斤/公顷扁蒲秧3本,210公斤/公顷,公斤/公顷二叉秧1本,105公斤/公顷,公斤/公顷单秆秧比二叉秧、三叉秧多用1、2倍种子和多l倍氮肥,每公顷仅分别增加150公斤和24.了5公斤。根据考种材料,二叉秧的有效穗数较三本秧少,而穗实粒数则多5D%。故多叉秧具有省种、省肥、大穗的增产作用。我们又分析各节位分孽穗的产量比重,三叉殃2/o、3/O两节位分集穗占总穗数的46%,产量占总产量的49%。多本秧5/0、6/0、7/。三节位分萦的产量占总产量的82%,前者为低节位分莫,穗大、粒多;后者为中节位分孽,穗较小、粒少。莫家让“指出,多叉秧叶绿素含量较无孽秧多,从出苗到黄熟期,多叉秧的光合势较无粟秧高9~33%,根系也较发达,这样,多叉秧的发达恨系吸收氮素与叶绿素含量高的,光合势强的叶片光合产物合成的氨基酸输送到地上部的生长中心。初期促进分集,形成分桑优势,幼穗分化至成熟期壮秆大穗,形成穗粒优势。

(二)最高分藕数与分戴成旅奉19T块田的最高茎葵数为405~540万/公顷,在此范围内,最高茎孽数与有效穗数呈极显着正相关每公顷产IO50D斤以上的69块田的苗、株、穗比例为1,3,2,即每公顷插24、30万丛,基本苗120、180万,最高茎孽数480、540万,最后有效穗330、375万,分粟成穗率65、70%。要实现这种群体动态指标,首先要培育多叉壮秧,在这基础上按杂交稻大田分孽习性进行肥、水管理。19了8年我们观察了四优2号大田分孽习性的结果:1、第一次分孽的成穗率为98%,分布于1/0、9/0节位上。第二次分孽的成穗率为40%,分布于2/0”5/D节上。第三次分萦的成穗率为零。

2、分孽的发育受氮、碳营养影响很大。本田分桑以第7节位分粟的穗粒数最多,7/0节位分粟于5/7出生。第一次追肥于4/28,每公顷施碳锋和过磷酸钙各公斤。按当时气候条件,大约6、7天才能为稻根吸收。这说明第7/O节位分莱的成长与氮素营养密切相关。拔节期具有3个叶片以上的'分禁,一般都能成穗;但若“大封行”出现于孕穗之前,这些分孽会因光照不足而死亡,相对地,抽穗一乳熟期群体“稀疏”,基部透光率增加,植株基部腋芽重新萌发成分萦。这些都说明杂交水稻分萦的成长和消亡与碳素营养密切相关。3、据偏相关分析,节位与各节有效穗数呈显着的负相关即节位愈低,有效穗愈多。以上洁果可作为育秧、整田施肥、插秧和本田肥、水管理的依据。

二、每穗粒数与粒重

1979年我们调查了汕优3号与IR661的穗发育情况(表略)无i仑分化颖花数、抽穗时颖花数或穗实粒数汕优3号都多于IR661;但颖花退化率则高,结实率低。因此,生产上不仅要促花,更重要的是保花,不仅要促大穗,更重要是减少退化,提高结实率。据197块田的资料分析,产量与结实率的偏相关达显着水准,总粒数与结实率呈极显着负相关,也说明保花和提高结实率的重要性。颖花结实率低的主要因素是:1、养分不足,分配不匀。1979年我们以四优2号和红410(对照)为材料,选择生长正常的主穗各20穗,定德定花观察不同位次颖花的生长势,结果四优2弓一的强势花占连,比红逮10减少;中势花,比对照减少;弱势花匕对照多。一说明杂交水稻结实率低是弱势花多造成的。不同位次的颖花结实率也不一致。19了9年我们对四优2号剪除颖花对结实率影响进行了观察。第一次枝梗颖花的结实率为,第二次枝梗颖花的结实率仅49%。剪除第二次枝梗颖花后,第一次枝梗颖花的结实率提高到;剪除第一次枝梗颖花后,第二次枝梗颖花的结实率提高到90%。说明第二次枝梗颖花结实率低是养分不足和分配不匀引起的。1981年的杂交稻种植期研究结果,无论早季种植或晚季种植的杂交水稻,从返青期到幼穗分化期,光合效率和干物质日增量都最大,幼穗分化至抽穗次之,抽穗至成熟最小,此结论与曹显祖报告相一致。这是杂交水稻的一种生理现象。从研究中也看出,晚季种植(6/18播,了/15插,10/15收),出苗到幼穗分化处在28℃/日均温,160小时日照和太阳辐射量“的足光下,充分发挥杂交稻光合强度大的优势(比早季高)。因此,分集块,叶面积大(大倍),干物质日增重,为穗(库)发育提供大量能源。抽穗后,由于气温逐渐下降,光照弱,光合效率较早季植‘厂降快(降40.了%),单位体积干物质积累转化处于劣势,但植株营养体大,总干物质积累仍较早季植为大。因此,有效穗较早季植的增加万/公顷,每穗粒数增加粒,结实率提高,千粒重增加克,产量增加191了.75公斤/公顷。此外,从威优2号、沮l(龙2号后期追肥试验结果看出,在侮公顷施150公斤氮素情况下,提取23%(尿素了5公斤/公顷)为孕穗期追肥,可以明显提高乳熟期的干重、活力和冠层叶叶绿素含量(),光合势和干物质日增长分别比对照提高和lD%,从而使结实率较对照提高。以上说明,杂交水稻由于中后期光合效率下降导致养分不足,弱势颖花多,结实率低。后期追肥可以改变这个缺点,提高结实率。2、受生态条件影响。颖花受情后,谷粒灌浆的养分来源有二。其一为抽穗前贮藏于茎秆和叶鞘的碳水化合物转运到穗;其二为抽穗后冠层叶进行光合作用的产物。1978年从分期播种试验的资料看出,二者的比例因抽穗后的环境条件不同而异,可分为三种类型:(1)抽穗后20天候平均气温约28℃,日照率75%,相对湿度7D、80%,灌浆成熟期短(31~35天);抽穗前养分占31、39%,抽稗后养分占69~61%。(2)抽穗后20天候平均气温26、28℃,日照率47、51%,相对湿度85%以上;抽穗前养分占42~60%,抽穗后养分占邪、40%。(3)抽穗后20天候平均气温℃,日照足,相对湿度T9%以下,灌浆成熟期达51日;抽穗前后养分各占28%和了.2%。考种结果,高温、足光、适湿的稻穗灌浆成熟期虽短,但结实率高,籽粒饱满,千粒重大,产量高;低温、足光、湿度小,则结实率低,籽粒不饱满;高温、多雨、寡照、湿度大,结实率和籽实饱满度都受影响。这是抽穗后气侯条件对杂交稻穗粒发育的影响。因此,调节播种、插秧期使生殖生一长处于最适的光照条件下是提高结实率的关键。19了8~19了9两年的四优2号发育期的温度处理结果看出:从枝梗分化至开花期低温(19℃)处理,结实率都降低。低温处理三天对结实的危害程度为、花粉母细胞减数分裂期>孕德期>抽穗期。无论抽穗、开花或灌浆用35℃或40℃的高温处理3小时,结实率和千粒重都降低。抽穗开花期遇到35℃以上高温,花粉败育不受精;灌浆期高温则影响光合产物的运转而形成畸形来。开花期遮光或阴雨则结实率降低,强势花结实率从87%降至58‘4%。由于稻田中各稻穗,稻穗中各颖花的发育并非同步,抽穗开花期35℃处理3小时和40℃处理3小时后,用人工辅助授粉,其结实率分别从、5D%提高到78%、62%。

三、根系发育与叶片生长

根系发育研究结果:四优2号和汕优3号的根量、根粗和根系干重都比穗数型常规稻红410和矮秆大穗型品种大家伙为大(略小于高秆大穗型品种三磅70箩),发根力和根系活力较强。根干重以黄熟期为最大。发根力可持续到孕穗初期,根系活力以黄熟期为高峰。杂交水稻的“浮根”发达。浮根从第11/0叶开始发生,持续至成熟期。四优2号、汕优3号的根可达5次恨,而410、大家伙仅二、三次根。倪文等〔7〕报告,浮根的吸收力比一般根高2一3倍。川田拼“J报告,高次根的发生与穗枝梗及其着生的颖花同步。因此,浮根发达与杂交水稻穗大颖花多有密切联系。杂交水稻在水层灌溉条件F根量大、根粗、干重大、浮根发达,但后期黄根、褐根、黑根多,几乎找不到白根;旱作栽培的根系和干重均小,没有浮根,但白根多;湿润灌溉的介于二者之间。此结论与Das,.等’‘报告相一致。不同组合对缺水的敏感性不同,四优2号大于汕优3号。早期水层灌溉、中期晒田、后斯湿润的,根量、干重、根粗、浮根量都大和发达。收获后一天,o、20cm土层的根系黄褐色,20、40cm土层为黄白色,根的弹性大。因此,合理灌溉以改善土壤环境,发挥杂交水稻的根系优势,为穗多、穗大、结实率高奠定基础杂交水稻根系发育与地上部生长有密切联系。单位时间最天发根增长量出现于分集盛期,无效分孽开始死亡期的单位时间根干重增长量最大,紧接着出现最大茎伤流强度增长量。说明了杂交水稻的发根开始时生长迅速;其次是稻根加粗,内含物充实,干重增大;再次是根系活力的发挥。根系的这种发展过程可作为肥水管理的依据。剪根试验结果表明,4/0“8/。叶期剪根,即剪除1/0、5/0节位根,明显减少了分孽和有效穗数;12/0叶期剪根则穗实粒数和结实率减少;14/0、16/O叶期剪根则影响结实率和粒重。综上所述,出苗—穗分化期的发根力最强,“浮根”发生;在栽培上应该浅水足肥,以促分蔡,增加穗数。穗分化—齐穗期的浮根大量发生,根系活力大,根干重增长快;应适当搁田,足肥以促大穗。齐穗,-一成熟期的根系活力旺盛,需湿润灌溉,补肥,以提高结实率和粒重。在叶片生长方面,四优2号和汕优3号的主茎叶可分为三类:(1)1/0、10/0(1l/0)节,包含叶—鞘—节—分萦(缺节间),都是营养生长期发生和生长的。(2)11/0、12/0(12/、13/0)节,包含叶—鞘(缺分孽和节间),为过渡期发生和成长的。(3)13/0~15/0(14/0~16/0)节,包括叶—鞘—节—节间(缺分集),都是生殖生长期生长的。根据主笔叶的叶形、出叶积温、生存期和功能,叶片可分为四组,(表略)1980年对杂交稻根、叶与产量因素的关系的研究结果:剪除主茎4/0、1。/O叶则影响1~7/0节位分孽;4/0~8/0叶期剪根(剪去1/0、5/0节根)则影响1/0、5/0节位分孽;剪去4/0~10/O叶或12/O叶期剪根(剪去9/O节根),严重降低穗粒数;剪去14/O~16/O叶或12/O期剪很严重降低结实率。水稻叶、根、穗、粒的这些关系,可作为看苗诊断和管理的参考。另外,从两年的分期播种试验和植期研究看出,中熟杂交稻属感温性的基本营养生.长型。生育期间日均温在1T、28℃之间,每升高1℃营养生长期缩短5天,日均温27~28℃的主长期较稳定。安全齐穗温度为23℃。四尤2号全生育期所需的活动积温为3061℃,1/0、16/0叶期的活动积温为1731℃,剑JlJ?—抽穗期的为380℃。抽穗—完熟期为905℃。幼穗分化期的生育积温指数为,花粉母细胞减数分裂期为,抽德期为。这些结论与浙汀农科院绍兴基点组(19了0)的报告相一致。总之,中熟杂交稻属感温性基木营养生长型,具有分禁力强、根系发达和穗粒多三大优势,三者旧互联系,培育多叉壮秧是发挥三大优势的基础。根据活动积温及生育积温指数调整播种期,使生殖生长期处于光、温、湿最适期,既使茎、鞘、叶贮藏养分顺利运转到穗,又利于穗粒发育。根据叶、孽、根、穗、粒之间的相互关系进行肥、水管理,协调促桑保蔡,促花保花,实现穗足、粒多、粒饱、高产的目的。

结论

(一)杂交水稻具有分集力强、根系发达和穗粒多三大优势。多孽壮殃是基础。它具有省种、省肥、根多、秆壮、穗大的增产作用。

(二)节位与有效穗数呈显着负偏相关。2/O、3/O二节位的分孽憾产量占总产量的49%。分菜的发生和增长与碳、氮素营养密切相关。

(三)杂交水稻穗大、颖花多,但结实率不高。其原因是杀分不足和花期对温、光的适应范围较窄。

(四)根多、根重、“浮根”发达。最大发根量和根干重分别出现于分孽盛期和孕穗期。最大伤流强度于黄熟期。前期水层灌溉、中期晒田、后期湿润的根系发达,白根多。

(五)杂交水稻可分为四个叶组:1/0、3/0为秧期叶,决定秧苗素质;4/0~9/D(10/0)为分孽期叶,决定分孽和穗数;10/0(11/0)~12/O(13/0)为拔一节期叶,影响节间干重和穗粒数;13/0(14/0)~15/0(16/0)为穗发育期叶,影响结实粒和粒重。

(六)幼穗分化期生育积温指数为,花粉母细胞减数分裂期为,抽穗期为户。

(七)总粒数与产量呈显着偏相关。统计分析表明:“四优2号”和“汕优3一号”是在一定穗拉数的基础上增加穗数来增加总粒数增产的。高产田的群体结构是按1,3,2的苗、株、穗比例

读《Discovering Statistics Using R》第六章 Correlation中的节做的笔记。 有个心理学家对考试焦虑对考试成绩的影响比较感兴趣。她设计了一个量表评估考试焦虑程度。考试前用量表测量学生的焦虑程度（变量Anxiety），用成绩百分位数反映考试表现（变量Exam）。数据在这里： Exam Anxiety Revise变量表示修改所花的小时数。我们主要想考察焦虑程度和考试成绩之间的关系。 先考察一下Exam Axiety Revise三个变量之间的关系： 由以上分析结果可以看出：考试成绩和焦虑程度负相关、考试成绩又和修改时间正相关；修改时间和焦虑程度负相关。仅三个变量间的互相之间的相关关系就已经比较复杂了。 从决定系数来看：考试焦虑可以“解释”考试成绩变异的，修改时间可以“解释”考试成绩变异的，修改时间可以“解释”考试焦虑变异的。 我们主要想考察焦虑程度和考试成绩之间的相关性。既然有大概一半（）焦虑程度的变异性可以由修改时间来“解释”，那么焦虑程度“解释”考试成绩变异性的那部分中应该也有一部分是由修改时间贡献的。 控制一个或多个其他定量变量的影响下，两个定量变量间的相关关系即为偏相关(partial correlation)。 书中图图示说明了偏向关的原理。图的图3中白蓝点的区域即为排除修改时间影响下，单独由焦虑程度可以"解释"考试成绩变异性的部分。书中并没有介绍偏相关系数的具体计算方法。 在R中，可以用 ggm 包的 pcor() 函数计算偏相关系数。 pcor() 的一般用法： pcor(c("var1", "var2", "control1", "control2" ...), var(dataframe)) 在控制修改时间影响后，考试焦虑和考试成绩之间的偏相关系数为，对应的决定系数 为. 可以用 ggm 包的 () 对 pcor() 生成的偏相关系数进行假设检验。其一般用法为： (pcor object, 控制的变量数，样本量) 结果中的 tval 即为t检验统计量， df 为t检验的自由度， pvalue 即为双侧检验下的P值。 可以看到焦虑程度和考试成绩之间扣除修改时间影响后的偏相关系数绝对值比未扣除修改时间影响时的相关系数绝对值要小不少，但依然有统计学意义。通过偏相关分析，我们得到了焦虑程度和考试成绩之间相对真实（因为只考虑、测量、控制了一个混杂变量）的相关系数。通过偏相关分析，虽然仍不能对因果关系下确切的结论，但至少一定程度上解决了混杂的问题。 另外，偏相关也适用于有二分类变量的情况（无论是要分析的变量还是需要控制效应的变量）。 在之后的章节中还会遇到另一种相关分析：半偏相关（semi-partial correlations,也称part correlation）。 在偏相关分析中，我们控制指定的1个或多个混杂变量的影响，更具体地说，1个或多个混杂变量对 待分析的两个变量的影响均被控制。 在半偏相关分析中，我们只控制混杂变量对分析的两个变量中其中一个变量的影响。 偏相关分析考察其他考虑到的混杂变量影响被排除后，单单两个定量变量间的相关关系。半偏向关分析考察一系列自变量对因变量变异的解释程度。半偏相关的相关概念会在第七章再见。