图10.1A是单株的生物产量(X和稻谷产量(Y),图10.1B是每平方米土地上的总颖花数 (X)和结实率(Y),图10.1C是最高叶面积指数(X)和每亩稻谷产量(Y)。从中可 以看出:①图101A和101B都是直线 型的,但方向相反;前者Y随X的增大 而增大,表示两个变数的关系是正的 后者Y随X的增大而减小,表示关系是 负的。②图10.1A的各个点几乎都落在 直线上,图101B则较为分散;因此 图10.A中X和Y相关的密切程度必高 于图101B。③图10.1C中X和y的关 系是非直线型的:大约 在ⅹ≤(6~7)时,Y随X的增大而增 图10.A水稻单株生物产量与 大,而当x>(67)时,Y随X的增大 稻谷产量的散点图 而减小 图101B水稻每平方米颖花数和结实率的散点图图101C水稻最高叶面积指数和667m2产量的散点图 、回归分析和相关分析 根据研究目的和依据的数学模型不同,统计关系的分析方法有两种。 1.回归分析 对两个变数进行回归分析是定量地研究X和Y的数值变化规律,根据这种规律可由一个 变数的变化来估计另一个变数的变化。在回归模型中,两个变数有因果关系,原因变数称自 变数( (independent variable,一般用X表示;结果变数称依变数 dependent variable),以Y表示。 X是已知的或是可控制的,没有误差或误差很小,而Y则不仅随X的变化而变化,还要受到 随机误差的影响。例如在施肥量和产量的关系中,施肥量是产量变化的原因,是自变数(X) 产量是对施肥量的反应,是依变数(Y)。施肥量X是事先确定的,但产量Y是依X的变化和 误差影响而变化 X和}间数值变化关系用回归方程( .regerssion equation)来描述。回归分析就是用试验 或调査得到的样本数据,建立回归方程并对其进行测验显著后,应用该方程根据X的变化来 估计Y的变化,从而达到预测(报)的目的。2 图 10.1A 是单株的生物产量（X）和稻谷产量（Y），图 10.1B 是每平方米土地上的总颖花数 （X）和结实率（Y），图 10.1C 是最高叶面积指数（X）和每亩稻谷产量（Y）。从中可 以看出：①图 10.1A 和 10.1B 都是直线 型的，但方向相反；前者 Y 随X 的增大 而增大，表示两个变数的关系是正的， 后者 Y 随 X 的增大而减小，表示关系是 负的。②图 10.1A 的各个点几乎都落在 一直线上，图 10.1B 则较为分散；因此， 图 10.1A 中X 和 Y相关的密切程度必高 于图 10.1B。③图 10.1C 中 X 和 Y 的关 系 是 非 直 线 型 的 ； 大 约 在 x≤（6~7）时，Y 随 X 的增大而增 图 10.1A 水稻单株生物产量与 大，而当 x>（6~7）时，Y 随 X 的增大 稻谷产量的散点图 而减小。 图 10.1B 水稻每平方米颖花数和结实率的散点图 图 10.1C 水稻最高叶面积指数和 667m2产量的散点图 二、回归分析和相关分析 根据研究目的和依据的数学模型不同，统计关系的分析方法有两种。 1．回归分析 对两个变数进行回归分析是定量地研究 X 和 Y的数值变化规律，根据这种规律可由一个 变数的变化来估计另一个变数的变化。在回归模型中，两个变数有因果关系，原因变数称自 变数(independent variable)，一般用 X 表示；结果变数称依变数(dependent variable)，以 Y表示。 X 是已知的或是可控制的，没有误差或误差很小，而 Y 则不仅随 X 的变化而变化，还要受到 随机误差的影响。例如在施肥量和产量的关系中，施肥量是产量变化的原因，是自变数（X）； 产量是对施肥量的反应，是依变数（Y）。施肥量X 是事先确定的，但产量 Y是依 X 的变化和 误差影响而变化。 X 和 Y 间数值变化关系用回归方程（regerssion equation）来描述。回归分析就是用试验 或调查得到的样本数据，建立回归方程并对其进行测验显著后，应用该方程根据 X 的变化来 估计 Y 的变化，从而达到预测（报）的目的