多元回归分析在大多数得实际问题中，影响因变量得因素不就就是一个而就就是多个,我们称这类回问题为多元回归分析。可以建立因变量y 与各自变量xj(j=1,2,3…，，ｎ)之间得多元线性回归模型:其中:b0 就就是回归常数；bk(ｋ=1,２,3,…，n）就就是回归参数;e 就就是随机误差。多元回归在病虫预报中得应用实例:某地区病虫测报站用相关系数法选取了以下 4 个预报因子;ｘ 1 为最多连续 10 天诱蛾量（头);x2 为 4 月上、中旬百束小谷草把累计落卵量(块);x3 为４月中旬降水量(毫米),x ４为 4 月中旬雨日(天);预报一代粘虫幼虫发生量y（头/m2)。分级别数值列成表 2－１。 预报量y:每平方米幼虫 0~１０头为１级,1 １~20 头为 2 级,21～4 ０头为 3 级，40 头以上为 4 级。 预报因子：x1 诱蛾量 0～30 ０头为ｌ级,3 ０ 1～60 ０头为２级,６ 01~100 ０头为 3 级，1000 头以上为 4 级;x2 卵量 0~150块为１级,１５ l~300 块为 2 级，3 ０ 1～5 ５ 0 块为３级,5 ５ 0 块以上为４级；ｘ 3 降水量 0~10、0 毫米为 1 级，10、1~13、2毫米为 2 级,13、3~17、０毫米为 3 级,17、0 毫米以上为 4 级;x4 雨日０~2 天为 1 级,3~4 天为２级,５天为 3 级,6 天或 6 天以上为 4 级。 表 2-1 x1 x2 x3 x4 y年 蛾量 级别 卵量 级别 降水量 级别 雨日 级别 幼虫密度 级别 19601022411214、31211011961300144030、111141196269936717、511191196318764675417、147455419654318011、9121111966422220101013119678063510311、82322831976115124020、612171197171831460418、444245419728033630413、433226319735722280213、224216219742641330342、243219219751981165271、84532331976461214017、515328319777693640444、7432444197825516510101112数据保存在“ＤＡ T Ａ 6 － 5 、 SAV ”文件中。１）准备分析数据 在Ｓ P Ｓ S 数据编辑窗口中，创建“年份”、“蛾量”、“卵量”、“降水量”、“雨日”与“幼虫密度”变量,并输入数据。再创建蛾量、卵量、降水量、雨日与幼虫密度得分级变量“x1”、“ｘ 2”、“ｘ 3”、“x”４ 与“y”,它们对应得分级数值可以在 S ＰＳ S 数据编辑窗口中通过计算产生。编辑后得数据显示如图 2-1。图 2－１或者打开已存在得数据文件“D Ａ TA6-5 、 SAV ”。2）启动线性回归过程单击Ｓ PSS 主菜单得“Ａ nalyze...
