第三讲 林业应用统计技术数量化回归

在林业科学研究(调查)中,研究对象的因子可以是定量的,如树高、树径;但也可以是定性的,如油茶的果型,立地条件的坡位、坡向。作为定性因子的坡位分上中下三等,果型为大小两级。显然各状态之间顺序是有意义的。对于这种顺序属性的因子,人们也试图以数据的大小依次表示其各种状态。虽然数量的大小反映了其顺序关系,但是却难于恰当地表示各状态间的差距,如上坡定数量为1,坡中应该定量为几?这种差距实在不好明确规定。而有些因子,诸如土壤母岩种类,树种别,品种别,则更难于用数值去分别表示它们了。在多元回归分析中,我们旨在研究某一因子(基准变量)与其它诸因子(说明变量)之间的定量关系。若说明变量中有定性的因子时,用常规的多元回归方法则不能处理,必须藉助于数量     

多元统计方法及其在林业上的应用《四》

在数理统计学里,我们用相关系数来描述两个变量(线性)关系的紧密程度,用复相关系数描述一个变量与一组变量(线性)关系的紧密程度,这是大家比较熟悉的.我们在前面曾经指出,事物的属性是多方面的,例如植物群落由多个物种组成,我们用P个变量来表达它们的特征;同时也应看到,影响事物发展变化的因素也是很多的,例如影响植物群落的环境因素有土壤、气候等众多因子,我们用q个变量来表达这些因子.在我们研究植物群落的物种组成与环境因子的相互关系时,与一元的情况相比,这时的情况是比较复杂的.当然我们可以沿用以往的作法,逐一计算两组变量之间每一对变量的相关系数,但有以下两个问题:首先,这样做很繁琐,需要计算P×q个相关系数、其次,单独计算两个变量的相关系数割裂了同一组变量之间的相互联系,没有反映事物的本来面目,因此难以达到预期的目的.     

柏木生物生产力与环境因子的典范相关分析

应用典范相关的多元统计方法,研究了柏木生长性状与环境因子两组多元变量之间的关系。结果表明,第一典范变量和第二典范变量以林分密度和林龄两个变量对树高、胸径和生物量的关系最密切;在第三典范变量上,土层厚度和坡向对树高、胸径和生物量之间存在相关关系。根据第一典范变量环境因子和生物因子的得分值进行排序描出聚点图,将柏木林分生产力划分为3个类型,并对各类型的生产力水平和环境特征进行了讨论。     

线性回归分析

生产实践和科学研究中,遇到的变量之间的关系,常可分为两大类。一类为确定性的关系,即对变量 x(称为自变量)的每一数值,变量 y(称为因变量)有一完全确定的数值与之对应,这种关系称函数关系。另一类为非确定性的关系,即变量 y 和 x 之间的取值有关系,但这种关系由于种种原因并没有密切到可以唯一确定的程度,这种关系称相关关系。变量间的相关关系,常采用相关分析和回归分析的方法进行研究。而回归分析是更为重要的方法,它已形成为统计学中重要的分支学科之一。回归分析中因变量 y是随机变量,而自变量 x 可以是随机的,也可以是非随机的变量。研究中经常将 x 视之     

飞播云南松林分生物量和生产力的数量化分析

本文应用数量化理论Ⅰ对四川凉山州飞播云南松林分的生物量、蓄积量和生产力进行了系统的分析,并建立了相应的预测预报模型。结果表明影响林分生产力的主导因子是林分结构,其次是土壤条件;地形因子(海拔、坡向、坡位,坡度)的影响较小。通过分析认为,在经营森林生态系统时,为了提高生产力,重要的工作应放在提高林分叶面积指数和合理密植方面。预测预报模型的复相关指数皆在0.84以上,精度高于多无线性回归模型,在说明变量(自变量)既含定性又含定量因素时,数量化理论Ⅰ能更好地拟合多元的说明变量与基准变量(因变量)之间的相关关系。     

浅谈净现值评价指标多因素敏感性分析

在对单因素与多因素敏感性分析之间的内在联系作初步探讨的基础上,得出“在投资项目敏感性分析中,若多个不确定因素(各个因素相互独立)同时发生某种程度的变化,则所引起项目净现值的变化值,必等于这些不确定因素分别独立发生相同程度变化时所引起净现值变化值的代数和”的结论,并以实例说明应用该结论进行多因素敏感性分析的简化计算方法。     

林业试验统计中多元回归模型变量子集合选择问题的研究

回归分析是最常用的林业试验统计方法,林业试验统计中的数学模型构造和模型外推通常采用回归分析方法解决。在多元回归分析应用中,如何选择合适的自变量(解释变量)确定最佳变量子集合,是建立回归模型的关键。选择合适的变量来建立回归方程数学模型,不是一件很容易的事。因为在多元回归模型中,有p个变量X_1,X_2,…,X_p来解释变量Y,而变量X_1,X_2,…,X_p之间存在着相关关系,即线性关系或近似线性关系,会给回归系数估计值带来不合理的解释。由此可见,要得到一个稳定的,可靠的回归模型,变量子集合的选择十分重要。     

遂川天然次生林干材收获模型

根据天然次生林中收集的样本资料,以样地中检尺乔木树干材积为基准变量Ｙ,以平均林龄,平均胸径,株数、乔木种数、郁闭度为说明变量,建立不同的干材收获模型。『     

油松造林立地质量预测方程基准变量的选择

用数量化理论I方法编制造林立地质量得分表时,国内外采用有林地上层木高(全高)作为基准变量和环境因子(自变量)来建立预测方程。但是,近年来研究认为,用上层木全高作基准变量有一些弊端。为此,我们在渭北黄土高原油松人工林内收集了204块标准地资料,选用了多个基准变量与环境因子,分别建立了多元回归方程,试图从中筛选出复相关系数高的、预测效果较好的方程来,现将研究结果总结如下。     

三基面体系应用的原则

在标注位置公差时,为了确定被测要素的方向或位置,都要选用基准。对几何关系比较复杂零件需指定两个或三个基准,形成一个多基准体系(即三基面体系)。所谓三基面体系,就是指由三个互相垂直的基准平面组成的基准体系,它的三     

遂川县人工林林分干材收获模型

对遂川县人工林散状混交林分干材蓄积的计量不分树种,只计其总蓄积,并以其作基准变量,其他测树因子作说明变量,建立多指标林分蓄积收获模型,效果良好,达到析显著水平。     

多元统计方法在森林土壤研究中的应用(方法介绍)

在土壤学领域中,应用统计数学方法如变量分析,简单相关,一元回归等研究施肥效果以及个别土壤因素对作物和林木生长的影响,已有较长的历史.但是,由于土壤、肥料与植物之间的关系错综复杂,其中有为数众多的因子起作用;要依靠笔算、珠算或台式计算器分析多个因子的作用,是十分困难的,甚至是不可能的,这就限制了统计数学方法在土壤领域中进一步应用.五十年代以来电子计算机在各个领域中逐步推广,多元统计数学方法随之得到很大的发展.在这个基础上,土壤学领域中也发展了用于数值分类,生产力评价,肥料效应及作物产量预报等近代的多元统计数学方法.     

四川桤木幼树地径增长模型

以幼树地径为基准变量 ,记为 Y,以株高、枝下高、平均冠幅为说明变量 ,分别记为 X1、X2 、X3 ,建立估测地径三元线性模型。     

基于因子分析的浙江省各地区经济发展水平分析研究

指出了因子分析法是通过从变量群中提取共性因子从而达到降维效果的一种多元统计方法。以浙江省2012年统计年鉴数据为基础,利用SPSS软件,使用因子分析法对浙江省11个地级市的经济发展状况进行了分析,客观地评价了各地区的综合经济实力,并根据各市的综合得分对它们进行了分类,提出了各市经济发展的相关建议。     

刨型万能锯链质量系统的设计

提高刨型万能锯链质量涉及到许多因素和它们之间的联系，因此，将诸因素从产品质量总体中分解出来，确定它们之间的关系很重要的，本文应用系统中系统结构和质量管理学维持性的观点和方法设计质量系统表示诸因素，确定因素有关系，其简单，明确，完善，可作为改进锯链质量的理论依据。     

森林分类区划调查资源统计汇总及表格之间的关系

对资源统计汇总统计表式样和统计要求做了说明 ,同时对各统计表之间的关系进行了阐述。     

落叶松小径木异型材实验室干燥工艺研究

选取黑龙江省落叶松小径木进行异型剖分,采用中温软基准和高温波动基准及高温硬基准3种不同的干燥基准,分别对剖分后的异型单元材进行实验室干燥试验。干燥过程中对含水率变化、分层含水率变化及干燥质量分别进行检测并记录,以确定和选用干燥基准。试验结果表明,高温波动干燥基准最适合落叶松小径木三角形剖分材的干燥。     

两段分区法求算二元线性回归方程

从1个变量的变异估测另一个变量的变异,称为回归关系。在林业实际工作中,有许多利用这种关系实现以简单测量代替复杂测量,减少工作量提高估测精度,或借以编制各种林业用表等。诸如:前次经理目测蓄积量与本次调查实测蓄积量之间的关系;判读蓄积量和实测蓄积量之间的关系;林分胸高断面积与林分蓄积量之间的关系等等。这些关系常呈直线关     

林分生长模型研究的进展*

本文叙述了林分生长模型的发展及目前研究方向；评价模型的分类方法和各种模型的关系及应用范围，强调模型系的相容性及完备性原则，指出近代模型往往是一个森林系统，大都含有多个被预测的变量和说明变量，必须注意因子间的关系，用高次，多项式方程决不是好方法。因子间的“相互预报”是模型中的大问题，方程组之间的“循环估计”往往产生有偏估计。     

峡江县人工湿地松中幼龄林进界胸径预估模型

以峡江县湿地松人工林中幼龄林为总体，以连清样地为样本，用坡向坡位(以数字化度量)、林龄、样地株敷为说明变量。以样地立木进界平均胸径为基准变量，建立预估模型。建模结果表明，不论一元线性模型或二元线性模型均取得了较大的复相关系数与较高的显著水平。