生物医学统计分析实验7报告汇总

大理大学实验报告

2015—2016学年度第 2 学期

课程名称生物医学统计分析

实验名称回归分析

专业班级 2013级生物医学工程

姓名朱广能马凯

学号 2013166144 2013166124 实验日期 2015年12月31日

实验地点工科楼503

图8.3-2体重和体长的S型曲线的拟合效果图

表8.3-1列出所选择的10种曲线方程的回归系数b0（常数项）、b1、b2、b3，拟合度

(4) 二次曲线方程：y=9.4158-0.2658x+0.0021x2

(5) 三次曲线方程：y=0.2157+0.000x-0.0003x2+7.08*10-6x3

(6) 复合曲线方程：y=0.1491（1.0327）x

(7) 幂函数曲线方程：y=2.07*107x3.6492

(8) S曲线方程：y=e（5.3920-382.771）/x

(9) 生长曲线方方程：y=e（-1.9034+0.0322）*x

(10) 指数曲线方程：y=0.149 le0.0322x

从表8.3-1中可见，10个曲线模型的F检验的P(sig.)值都远小于0.01，说明模型成立的统计学意义都非常显著，这可能与样本含量太少有关。拟合度R2的大小表示了

回归曲线方程估测的可靠程度的高低，本例拟合度R2最大的是S曲线方程R2=0.989，故相对而言S曲线方程为描述体重与体长关系的最优方程。

图8.3-2是10种曲线方程的拟合效果图。

[例8.4] 拟合猪的生长曲线

表8.4-1 Logistic模型迭代历史记录b

迭代数a残差平方和

参数

A B K

1.0 15551.156 100.000 1.000 1.000

1.1 23290.473 90.124

2.529 -.963

1.2 4423.098 9

2.385 1.582 .347

2.0 442

3.098 92.385 1.582 .347

2.1 2141.362 94.626

3.475 .568

3.0 2141.362 9

4.626 3.475 .568

3.1 1108.793 100.961 5.484 .558

4.0 1108.793 100.961

5.484 .558

4.1 467.920 111.217 9.487 .675

5.0 467.920 111.217 9.487 .675

5.1 163.151 119.415 13.647 .688

6.0 163.151 119.415 13.647 .688

6.1 65.375 109.469 21.730 .878

7.0 65.375 109.469 21.730 .878

7.1 31.491 111.826 26.322 .891

8.0 31.491 111.826 26.322 .891

8.1 30.700 112.240 26.873 .889

9.0 30.700 112.240 26.873 .889

9.1 30.699 112.308 26.852 .888

10.0 30.699 112.308 26.852 .888

10.1 30.699 112.307 26.855 .888

11.0 30.699 112.307 26.855 .888

11.1 30.699 112.308 26.855 .888

a.主迭代数在小数左侧显示，次迭代数在小数右侧显示。

b.由于连续残差平方和之间的相对减少量最多为 SSCON = 1.00E-008，

因此在 23 模型评估和 11 导数评估之后，系统停止运行。

图2-2 儿童年龄与锡克实验阴性率各拟合曲线的效果图

表2-1列出所选择的10种曲线方程的回归系数b0（常数项）、b1、b2、b3，拟合度自由度（df），回归方程显著性检验的F值，显著性概率P(sig.)。

10中曲线拟合结果为：