《试验设计与SPSS应用（第二版）》全套教学课件

试验设计与SPSS应用（第二版）全套可编辑PPT课件课程概述主要讲授内容食品试验设计与SPSS概述统计假设检验方差分析正交试验设计回归与相关聚类分析学时分配32学时，讲授16学时，上机训练16学时第1章&第2章

试验设计概述、统计软件SPSS概述教学目标熟悉食品科学试验的特点和要求。明确食品试验研究的主要内容，试验设计的基本要求和注意事项以及试验设计的基本原则。熟练掌握下列基本概念：试验的指标、因素和水平，总体与样本，参数与统计量，准确性与精确性，随机误差与系统误差，算术平均数，中数，众数，几何平均数，调和平均数，极差，方差，标准差，变异系数。掌握试验设计的基本原则和要求。能正确的拟定试验计划和方案。熟悉SPSS29.0的基本特点，对系统运行环境的基本要求，安装、启动和退出方法。熟练掌握SPSS29.0forWindows窗口操作和参数设置基本方法。一、试验设计概述—基本概念试验指标

通常，我们把试验设计中根据试验目的而选定的用来考察或衡量试验效果的特性值称为试验指标。试验指标可以是数量指标、质量指标、成本指标和效率指标等。

试验指标可分两大类，一类是定量指标，也称数量指标，他是在试验中能够直接得到具体数值的指标，如硬度、重量、吸光度、成本、合格率、呼吸强度等；另一类是定性指标，或称非数量指标，他是在试验中不能得到具体数值的指标，如颜色、味道、光泽，手感、图面清晰度等。在试验设计中，为了便于分析试验结果，一般把定性指标进行量化，例如，可把色泽按不同深度分成不同等级。

试验指标可以是一个，也可以同时有几个。前者称单指标试验设计，后者称多指标试验设计。不论单项指标还是多项指标，都是以专业为主决定的，并且要尽量满足试验设计的要求，指标值应从本质上表现出某项性能，尽量不要用几个重复的指标值表示某一性能。试验指标应尽量采用计量数据，一、试验设计概述—基本概念因素和水平

通俗地说，对试验指标可以有影响的原因或要素称为因素（factor）。因素也称做因子，他是在试验中重点考察的内容，因素一般用大写英文字母A,B,C表示。在确定试验因素时，必须以专业技术和生产实践经验为基础，应尽可能列出与研究对象目标有关的各种因素，然后判断出哪些是需要试验研究的因素。

试验因素分为控制因素和非控制因素，前者称可控因素，后者称不可控因素。所谓可控因素指人们可以控制和调节的因素，如加热温度、水果蔬菜贮藏温度、贮藏环境中的气体成分、发酵温度、酶促反应温度等；不可控制因素指人们暂时不能调节控制的因素，如机床的轻微震动，刀具的轻微磨损等。

按因素的作用可把其分为可控因素、标示因素、区组因素、信号因素和误差因素。一、试验设计概述—基本概念因素和水平

试验设计中所选定的因素处的状态和条件变化，可能引起指标特性值的变化，我们称各因素变化的各种状态和条件，即每个因素要比较的具体状态和条件称为水平。确定水平应注意以下几点。⑴水平宜取三水平⑵选取水平应按等间隔原则

⑶水平是具体水平通常用1，2，3…表示。一、试验设计概述—基本概念总体与样本

根据研究目的确定的研究对象的全体称为总体（population），其中的一个研究单位称为个体（individual），依据一定方法由总体抽取的部分个体组成的集合称为样本（sample）。样本容量常记为n。通常n<30的样本叫小样本，n≥30的样本叫大样本。参数与统计量

为了表示总体和样本的数量特征，需要计算出几个特征数。由总体计算的特征数叫参数（parameter）；由样本计算的特征数叫统计量（statistic）。常用希腊字母表示参数，如用μ

表示总体平均数，用σ

表示总体标准差；常用拉丁字母表示统计量，如用

X表示样本平均数，用S表示样本标准差。总体参数由相应的统计量来估计，如用

X估计μ

，用S

估计σ

。准确性与精确性

准确性（accuracy）也叫准确度，指在调查或试验中某一试验指标或性状的观测值与其真值接近的程度。精确性（precision）也叫精确度，指调查或试验中同一试验指标或性状的重复观测值彼此接近的程度。一、试验设计概述—基本概念随机误差与系统误差

随机误差也叫抽样误差（samplingerror），这是由于许多无法控制的内在和外在的偶然因素如原料作物的生长条件、生长势的差异、管理措施等所造成，这些因素尽管在试验中力求一致但不可能绝对一致。随机误差带有偶然性质，在试验中，即使十分小心也难以消除。随机误差影响试验的精确性。统计上的试验误差指随机误差，这种误差愈小，试验的精确性愈高。

系统误差也叫片面误差（lopsidederror），这是由于供试对象的品种、成熟度、病程等不同；食品配料种类、品质、数量等相差较大；仪器不准、标准试剂未经校正，药品批次不同，药品用量以及种类不符合试验计划的要求等引起。观测、记载、抄录、计算中的错误等也将引起误差，这种误差实质上是错误。系统误差影响试验的准确性。书中图1-2（b）、图1-2（c）所表示的情况，就是由于出现了系统误差的缘故。一般说来，只要试验工作做得精细，系统误差容易克服。图1-2（a）表示克服了系统误差的影响，且随机误差较小，因而准确性高，精确性也高。一、试验设计概述—基本概念算术平均数

算术平均数是指观察值的总和除以观察值个数所得的商值，常用

X，

Y表示。中数

将样本数据（假设有N个数）按升序或降序排列，如果N为奇数，则数列中间的数为中数；如果N为偶数，则中数为居中两数的均值，众数

指资料中出现次数最多的那个观察值，用M0表示。几何平均数指n个观察值连乘的积再开n次方所得的方根值，用G表示。调和平均数

指观察值倒数算术平均数的倒数值，用H表示。一、试验设计概述—基本概念极差

极差（range）

极差是样本数据中最大值与最小值的差值，记作R。方差

样本离均差的平方和，除以样本的个数-1。标准差

标准差（standarddeviation）是方差的正平方根值，用以表示资料的变异程度，其单位与观察值的度量单位相同。由样本资料计算标准差的定义公式为：变异系数

变异系数（coefficientofvariation）

是标准差相对于平均数的百分数，记为CV。一、试验设计概述试验设计的基本原则和要求

重复原则，随机化原则和局部控制重复原则(principleofrepetition)。所谓重复，是指在试验中每种处理至少进行2次以上，重复试验是估计和减小随机误差的基本手段。随机化原则(principleofrandomization)。所谓随机化原则，就是在试验中，每一个处理及每一个重复都有同等的机会被安排在某一特定的空间和时间环境中，以消除某些处理或其重复可能占有的“优势”或“劣势”，保证试验条件在空间和时间上的均匀性。局部控制原则(principleoflocalcontrol)。局部控制是指在试验时采取一定的技术措施方法减少非试验因素对试验结果的影响。二、统计软件SPSS概述SPSS29.0forWindows窗口操作和参数设置基本方法第3章

统计假设检验教学目标熟悉理论分布和抽样分布的基本概念，掌握统计假设检验的基本原理和一般方法。熟练掌握利用SPSS软件进行单个样本平均数假设检验、成组样本（独立样本）平均数假设检验和成对样本平均数假设检验的基本方法。熟练掌握参数估计的一般方法。第4章

方差分析教学目标：理解方差分析的基本原理；熟练掌握方差分析的基本方法和多重比较方法；领会方差分析的几种模型、期望均方和基本假定；学会正确进行数据转换。提取温度℃1234567891011506014.517.016.016.017.515.519.014.018.514.019.017.015.518.014.019.016.019.017.015.019.015.01.t

检验2.单因素试验设计3.两因素试验设计

提取时间/min提取温度/℃1020304050607080901005011.7110.8112.3912.5610.6413.2613.3412.6711.2712.686011.7810.7012.5012.3510.3212.9313.8112.4811.6012.657011.6110.7512.4012.4110.7213.1013.5812.8811.4612.94提取温度/℃提取率5014151113111511601714151714171570131513121310168015131415141217第4章

方差分析提取温度（A）/℃提取时间（B）/minB1B2B3A1876875866A2978997866A378107796894.两因素有重复观察值试验设计对两因素和多因素有重复观察值试验结果的分析，能研究因素的简单效应、主效应和因素间的交互作用（互作）。（时间；温度；时间*温度）第4章

方差分析重复（区组）B（乙醇）A（时间）B1B2B3ⅠA10.220.180.25A20.330.350.36A30.390.420.35ⅡA10.180.220.22A20.320.300.37A30.370.400.38ⅢA10.240.200.27A20.350.320.38A30.410.370.445.两因素随机区组试验设计对两因素随机区组试验结果的分析，能研究因素的简单效应、主效应和因素间的交互作用（互作）以及区组间的差异。(时间10-11-12；品1-3；区域1-3；等)第4章

方差分析例4-1：

t

检验某食品企业厂生产瓶装矿泉水，其自动装罐机在正常工作状态时每罐净容量具正态分布（单位为mL）。某日随机抽查了10瓶水，得结果如下：505，512，497，493，508，515，502，495，490，510，问罐装机该日工作是否正常?Step1：输入数据后依次选中“分析→比较平均值和比例→单样本t检验（S）”，如图3-15所示，即可打开【单样本t检验】主对话框。第4章

方差分析Step2：用中间的右箭头按钮从左边的原变量名列表框中将变量名“净质量”转移到“检验变量”列表框中，则“净质量”对应的变量数据将进行均值检验。Step3：在“检验值”输入框中输入总体均值500。如图所示。例4-1：t检验单样本t检验对话框第4章

方差分析例4-1：t检验Step4：单击选项按钮，打开“单样本t检验：选项”对话框，如下图所示。利用该对话框，设置检验时采用的置信度。单样本

t检验：选项窗口第4章

方差分析例4-1：t

检验10瓶矿泉水净容量统计表Step5：单击【确定】完成。输出结果及分析：下表是10瓶矿泉水净容量统计表，包括测量个数、平均数、标准差和平均数的标准误差。第4章

方差分析例4-1：t检验从下表可以看出，t值为0.988，自由度df为9，双尾显著性概率双侧P为0.349，总体平均数与样品检验值的差平均值差值为2.7000，样品平均数的95％置信区间是

3.4819到8.8819，即灌装容量在500

3.4819~500+8.8819之间，估计的可靠度为95%。

10瓶矿泉水净质量t检验第4章

方差分析例4-2：step1&2：第4章

方差分析例4-2：Step3：单击【定义组】，打开【定义组】对话框，在“组

1”后的框中输入“1”并在“组2”后的框中输入“2”，单击【继续】返回，如下图所示。Step4：单击【确定】完成。第4章

方差分析分组统计量表例4-2：输出结果及分析：下表是分组统计量表，列出的统计量包括观测量个数、平均数、标准差和平均数的标准误差。第4章

方差分析例4-2：下表是独立样本t检验结果，假定等方差行是假设方差相等进行的检验，当方差相等时考察这一行的结果；不假定等方差行是假设方差不等进行的检验，当方差不等时考察这一行的结果。在莱文方差等同性检验列中，显著值为0.947>0.05，可以视为方差是相等的，所以应考察第一行的结果。下表第一行的结果表明，t为0.757，自由度为20，2尾检验差异显著性水平为0.458，两品种苹果硬度平均数的差值为0.59091，标准误为0.78071，平均数的差值的95%置信区间为-1.03762和2.21944，因为双侧P>0.05，所以表明两品种的果肉硬度无显著差异。也可采用以下方法查t表进行统计推断。成组资料t

检验结果第4章

方差分析例4-3：单因素试验设计提取温度/℃提取率5014151113111511601714151714171570131513121310168015131415141217第4章

方差分析例4-3：单因素试验设计第4章

方差分析例4-3：单因素试验设计单击【选项（O）】按钮，打开【选项】对话框。选择“描述（D）”、“方差齐性检验（H）”，然后单击【继续（C）】返回。第4章

方差分析例4-3：单因素试验设计方差分析结果表明，提取温度对产品得率影响差异显著（P<0.05）“邓肯”平均数多重比较检验表，只要平均数不在一列的差异就显著。由表可知显著性水平在0.05时，温度70、80、90、100四者均数间差异不显著。第4章

方差分析例4-4：

两因素试验设计第4章

方差分析例4-4：两因素试验设计第4章

方差分析例4-4：两因素试验设计第4章

方差分析例4-4：两因素试验设计选择【选项（O）】打开【单因素：选项】对话框，选择“描述统计（D）”，如下图所示。单击【继续（C）】返回【单变量】主对话框。第4章

方差分析例4-4：两因素试验设计邓肯多重比较表的结果表明，除10与20，50与100，60与90、80，90与80、70差异不显著外，其余不同提取时间的产品得率均差异显著。得率最高的是70，最低的是10和20。邓肯多重比较表从方差分析表可知，因素提取时间和提取温度的显著性均<0.01，说明不同提取时间和不同提取温度对产品得率的影响均存在极显著差异。方差分析表第4章

方差分析例4-5：两因素有重复观察值试验设计第4章

方差分析例4-5：两因素有重复观察值试验设计第4章

方差分析例4-5：两因素有重复观察值试验设计第4章

方差分析例4-5：两因素有重复观察值试验设计选择【图（T）】对话框，将“提取时间”项目选入“水平轴（H）”栏内，将“提取温度”项目选入“单独的线条（S）”栏内，单击【添加（A）】按钮，如下图所示，单击【继续（C）】返回。第4章

方差分析例4-5：

两因素有重复观察值试验设计选择【事后比较（H）】打开【单变量：实测平均值的事后多重比较】对话框，选择“邓肯（D）

”，单击【继续（C）】返回【单变量】主对话框第4章

方差分析例4-5：两因素有重复观察值试验设计选择【选项（O）…】打开【单变量：选项】对话框，选择“描述统计（D）”，如下图所示。单击【继续（C）】返回【单变量】主对话框。单击【确定】完成。第4章

方差分析例4-5：两因素有重复观察值试验设计第4章

方差分析例4-5：两因素有重复观察值试验设计对“温度.时间”交互作用进行“One-WayANOVA”中的“Duncan”多重比较。第4章

方差分析例4-5：两因素有重复观察值试验设计对“温度.时间”交互作用进行“One-WayANOVA”中的“Duncan”多重比较。第4章

方差分析例4-5：两因素有重复观察值试验设计对“温度.时间”交互作用进行“One-WayANOVA”中的“Duncan”多重比较。方差分析结果表明不同处理间和时间*温度的交互作用对产品得率的影响、温度对产品得率的影响和时间对产品得率的影响均达到了极显著水平。对显著因子还需进行各处理(水平组合)均数间的多重比较。邓肯多重比较结果表明，为了得到较高的提取率，按A2B2组合选用提取温度和时间第4章

方差分析例4-6：两因素随机区组试验设计为了提高某产品的得率,研究了提取温度(A)和提取时间(B)对产品得率的影响。提取温度(A)有3个水平,A1为80℃,A2为90℃,A3为100℃;提取时间(B)有3个水平,B1为80min,B2为70min,B3为60min,每个水平组合重复3次,试验结果如下表所示。现以重复为区组,对试验结果进行统计分析。第4章

方差分析例4-6：两因素随机区组试验设计第4章

方差分析例4-6：两因素随机区组试验设计第4章

方差分析例4-6：两因素随机区组试验设计选择【图（T）】对话框，将“区组”项目选入“水平轴（H）”栏内，单击【添加（A）】按钮；将“提取时间”项目选入“水平轴（H）”栏内，单击【添加（A）】按钮；将“提取温度”项目选入“水平轴（H）”栏内，单击【添加（A）】按钮；再将“提取时间”项目选入“水平轴（H）”栏内，将“提取温度”项目选入“单独的线条（S）”栏内，单击【添加（A）】按钮。单击【继续（C）】返回，如图所示。第4章

方差分析例4-6：两因素随机区组试验设计选择【事后比较（H）】打开【单变量：实测平均值的事后多重比较】对话框，将“提取时间”和“提取温度”项目选入右侧栏内，选择“邓肯（D）”，单击【继续（C）】返回【单变量】主对话框，如图所示。第4章

方差分析例4-6：两因素随机区组试验设计选择【选项（O）】打开【选项】对话框，选择“描述统计（D）”、“效应量估算（E）”、“实测功效（B）”、“齐性检验（H）”，如图4-23所示。单击【继续（C）】返回【单变量】主对话框。第4章

方差分析例4-6：两因素随机区组试验设计方差分析结果表明，区组的显著性=0.116，提取温度和提取时间交互作用的显著性=0.346，对试验结果的影响差异均不显著；提取温度的显著性=0.040，对试验结果的影响差异显著；提取时间的显著性=0.000，对试验结果的影响差异极显著。表4-25方差分析表第4章

方差分析例4-6：两因素随机区组试验设计多重比较，实际上是提取时间和提取温度主效应的分析。结果表明提取时间的三个水平之间差异显著，第三个水平提取效果最好；提取温度1和2水平差异不显著，第三个水平提取效果最好。一般当“时间和提取温度”两因素的交互作用显著时，不必进行两者主效应的分析（因为这时主效应的显著性在实用意义上并不重要），而直接进行各水平组合平均数的多重比较，选出最优水平组合即可。第4章

方差分析第5章

回归与相关教学目标：正确理解回归、相关分析的意义及有关概念；掌握直线回归、相关分析的方法；深刻理解多元线性回归，相关分析的基本原理；掌握多元线性回归和相关分析的方法；掌握曲线回归的基本原理与方法。一元线性回归Y=KX+b多元线性回归曲线回归曲线回归适用于样本数据不具有线性特征，而呈曲线分布的情况。第5章

回归与相关表5-2硫代硫酸钠和葡萄糖溶液的体积数例5-1：直线回归第5章

回归与相关例5-1：直线回归第5章

回归与相关例5-1：直线回归第5章

回归与相关例5-2：直线相关第5章

回归与相关例5-3：多元线性回归第5章

回归与相关例5-3：多元线性回归第5章

回归与相关例5-3多元线性回归第5章

回归与相关例5-4：多元相关第5章

回归与相关底物浓度x/(mmol/L)1.251.431.662.002.503.305.008.0010.00酶比活力y17.6522.0026.3235.0045.0052.0055.7359.0060.00表5-20底物浓度和酶的比活力例5-5：曲线回归第5章

回归与相关例5-5：曲线回归第5章

回归与相关例5-5：曲线回归第5章

回归与相关据世界卫生组织数据，在2016年全球5690万例死亡中，半数以上（54%）由10个原因导致。缺血性心脏病和中风是世界最大的杀手，2016年共造成1520万例死亡。这两种疾病一直是全球的主要死亡原因。67第5章

回归与相关和健康的非医学决定因素相关的7项指标总脂肪供应X1总热量供应X2总蛋白质供应X3食糖X4蔬菜供应X5水果供应X6酒精消费X768和健康状况相关的6项指标缺血性心脏病死亡率Y1慢性阻塞性肺病死亡率Y2阿尔茨海默病死亡率Y3气管、支气管和肺癌死亡率Y4糖尿病死亡率Y5预期寿命Y6数据来源2000年-2013年和健康的非医学决定因素相关的7项指标以及健康状况相关的6项指标，数据均来自经合组织数据库，采集的数据包括经合组织数据库中2013年预期寿命排名前10的国家（日本、西班牙、瑞士、意大利、法国、澳大利亚、冰岛、以色列、瑞典和卢森堡）。第5章

回归与相关—例169在OECD中下载和健康相关的非医学决定因素第5章

回归与相关70在OECD中下载死亡原因和预期寿命第5章

回归与相关71第5章

回归与相关72第5章

回归与相关Y1=270.212+1.298X1-0.147X2+0.633X3+2.122X4+0.363X6-7.011X7Y2=59.820+0.390X1-0.054X2+0.358X3+0.441X4+0.124X5+0.131X6Y3=-14.101+0.301X1-0.017X2+0.457X3+0.123X4-0.070X5-0.031X6Y4=0.870-0.052X1+0.036X3-0.022X5+1.300X7Y5=-18.730+0.123X1+0.236X4+0.023X5-1.621X7Y6=82.782-0.005X5-0.013X6-0.106X773第5章

回归与相关预期寿命和总脂肪供应等7项非医学决定因素的多元回归结果

在经合组织数据库选取2000年-2013年和健康的非医学决定因素相关的7项指标（总脂肪供应、总热量供应、总蛋白质供应、食糖供应、蔬菜供应、水果供应和酒精消费）以及健康状况相关的7项指标（缺血性心脏病死亡率，慢性阻塞性肺病死亡率，阿尔茨海默病死亡率，气管、支气管和肺癌死亡率，糖尿病死亡率，预期寿命），按2013年的人均预期寿命排序，排位前十的国家依次为日本、西班牙、瑞士、意大利、法国、澳大利亚、冰岛、以色列、瑞典和卢森堡。

上述10个国家2013年和健康的非医学决定因素相关的7项指标以及和健康状况相关的6项指标如表1所示，2010-2013年日本等10个国家总脂肪等供应和缺血性心脏病等主要疾病死亡率以及预期寿命平均值如表2所示。74第5章

回归与相关五、回归与相关国家和健康相关的非医学因素：食物来源与消费预期寿(年)健康状态:

每10万人的死亡人数,（标准比率）总脂肪供应(g/天/人)总热量供应(千卡/天/人)总蛋白供应(g/天/人)食糖供应(Kg/年/人)蔬菜供应(Kg/年/人)水果供应(Kg/年/人)酒精消费(升/年/人)缺血性心脏病死亡率慢性阻塞性肺病死亡率阿尔茨海默病死亡率气管、支气管和肺癌死亡率糖尿病死亡率日本86.62726.087.727.1102.352.97.483.435.47.43.534.96.5西班牙143.73174.0104.931.2119.272.28.883.255.922.819.940.015.2瑞士153.63391.093.160.4108.7103.69.882.977.720.215.333.813.3意大利154.73579.0108.532.1128.9139.87.482.877.821.310.940.222.9法国159.23482.0110.539.297.3114.311.682.339.410.621.340.613.2澳大利亚150.93276.0106.346.1102.888.29.882.286.228.714.536.419.2冰岛151.03380.0133.548.270.1133.16.882.1116.931.642.245.311.1以色列151.63610.0128.127.8174.3118.82.982.167.118.610.431.139.6瑞典130.23179.0107.742.194.4125.07.382.0104.722.717.130.616.1卢森堡141.83539.0113.951.4107.4200.811.781.965.626.613.236.714.6表12013年日本等10个国家总脂肪等供应和缺血性心脏病等主要疾病死亡率以及预期寿命75表22010-2013年日本等10个国家总脂肪等供应和缺血性心脏病等主要疾病死亡率以及预期寿命平均值（

X±SD）

和健康相关的非医学因素：食物来源与消费总脂肪供应(g/天/人)总热量供应(千卡/天/人)总蛋白供应(g/天/人)食糖供应(Kg/年/人)蔬菜供应(Kg/年/人)水果供应(Kg/年/人)酒精消费(升/年/人)平均值141.1±20.53330.7±252.8109.7±12.140.5±10.1115.5±40.2117.5±40.88.9±3.0预期寿(年)健康状态:

每10万人的死亡人数,（标准比率）缺血性心脏病死亡率慢性阻塞性肺病死亡率阿尔茨海默病死亡率气管、支气管和肺癌死亡率糖尿病死亡率81.1±1.299.7±38.823.0±8.014.3±8.539.4±5.819.5±12.076第5章

回归与相关缺血性心脏病死亡率和总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用缺血性心脏病死亡率为Y1，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为：Y1=270.212+1.298X1－0.147X2+0.633X3+2.122X4+0.363X6－7.011X7

该回归模型R=0.757,R2=0.574，P＜0.01。从回归模型可见，缺血性心脏病死亡率Y1与X5无关，与X1（p＜0.01）、X3（p＜0.05）、X4（p＜0.01）和X6（p＜0.01）呈显著正相关，与X2总热量供应（p＜0.01）和X7酒精消费（p＜0.01）呈显著负相关，在显著相关因子中，X1、X4、X7系数的绝对值大于1，其他相关因子的系数均较小。77第5章

回归与相关慢性阻塞性肺病死亡率与总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用慢性阻塞性肺病死亡率为Y2，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为

Y2=59.820+0.390X1－0.054X2+0.358X3+0.441X4+0.124X5+0.131X6

该回归模型R=0.802,R2=0.643，P＜0.01。从回归模型可见，慢性阻塞性肺病死亡率Y2与X7无关，与X2呈显著负相关（p＜0.01），与X1、X3、X4、X5和X6呈显著正相关p＜0.01），在显著相关的因子中，相关因子的系数均较小。78第5章

回归与相关阿尔茨海默病死亡率与总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用阿尔茨海默病死亡率为Y3，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为Y3=－14.101+0.301X1－0.017X2+0.457X3+0.123X4－0.070X5-0.031X6

该回归模型R=0.863,R2=0.744，P＜0.01。从回归模型可见，阿尔茨海默病死亡率Y3与X1、X3、X4呈显著正相关（p＜0.01），与X2、X5和X6呈显著负相关（p＜0.01），与X7无关，但显著相关因子的系数均较小。79第5章

回归与相关气管、支气管和肺癌死亡率与总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用气管、支气管和肺癌死亡率为Y4，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为

Y4=0.870－0.052X1+0.036X3－0.022X5+1.300X7

该回归模型R=0.703R2=0.494，P＜0.01。从回归模型可见，气管、支气管和肺癌死亡率Y4与X2、X4和X6无关，与X1和X5呈显著负相关（p＜0.01），与X3和X7呈显著正相关（p＜0.01），在显著相关因子中，除X7的系数大于1，其他相关因子的系数均较小。80第5章

回归与相关糖尿病死亡率和总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用糖尿病死亡率为Y5，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为Y5=－18.730+0.123X1+0.236X4+0.023X5－1.621X7

该回归模型R=0.925,R2=0.855，P＜0.01。从回归模型可见，糖尿病死亡率Y5与X2、X3和X6无关，与X1、X4和X5呈显著正相关（p＜0.01），与X7呈显著负相关（p＜0.01），在显著相关因子中，除X7的系数大于1，其他相关因子的系数均较小。81第5章

回归与相关预期寿命和总脂肪供应等7项非医学决定因素的多元回归结果

基于经合组织数据库2013年的人均预期寿命排序前十的国家2010年-2013年14年的数据，用预期寿命为Y6，总脂肪供应、总热量供应、总蛋白供应、食糖供应、蔬菜供应、水果供应和酒精消费分别为X1、X2、X3、X4、X5、X6和X7进行多元回归分析，回归模型为Y6=82.782－0.005X5－0.013X6－0.106X7

该回归模型R=0.550,R2=0.303，p＜0.01。从回归模型可见，预期寿命Y6与X1、X2、X3和X4无关，与X5、X6和X7（p＜0.01）呈显著负相关，显著相关因子的系数均较小。82第5章

回归与相关小结：上述结果表明X7与Y4呈正相关，与Y1和Y5呈负相关，且系数都大于1，表明酒精消费会增加气管、支气管和肺癌死亡率，但会使缺血性心脏病和糖尿病死亡率显著下降；X1和X4与Y1呈显著正相关，且系数都大于1，表明总脂肪供应和食糖供应会增加缺血性心脏病死亡率；

其他与健康相关的非医学决定因素，有的在逐步回归中被剔除，没有被剔除的系数均小于1，对Y值变化的影响较小。83第5章

回归与相关84酒种总产量/万kL同比增长/%发酵酒精（折96度）646.633.24饮料酒4985.300.90其中：白酒（折65度）871.203.14

啤酒3812.240.50

葡萄酒62.91-7.36

黄酒及其他酒238.951.712018年我国酿酒企业分酒种产品产量情况8.9±3.0数据来源：食品工业发展报告，中国轻工出版社，2018第5章

回归与相关85Nature

volume

414,

pages863–864(2001)红酒减少内皮素-1的合成高葡萄酒消费领域减少冠状动脉心脏疾病的统计证据，导致人们普遍认为葡萄酒得到一定的保护作用。虽然任何酒精适度饮酒有助于减少冠状动脉心脏疾病的发病率，没有明确的证据表明红酒赋予一个额外的好处。在这里，我们显示红酒强烈抑制内皮素1的合成，内皮素1是一种血管活性肽，对冠状动脉粥样硬化的发展至关重要。我们的发现表明，红酒所特有的成分可能有助于预防冠心病。第5章

回归与相关86Nature

volume

444,

page566(2006)红酒原花青素与血管健康适量地饮用红酒与降低冠心病的风险和降低整体死亡率有关，但尚不清楚葡萄酒中的酒精和多酚成分对这些影响的相对贡献。在这里，我们将原花青素确定为红酒中的主要血管活性多酚，并表明它们在法国西南部和撒丁岛地区的葡萄酒中以较高的浓度存在，这些地区的传统生产方法可确保在酿造过程中有效地提取这些化合物。这些地区也恰恰与人口寿命的增加有关。第5章

回归与相关87SCIENCE卷:

275

期:

5297

页:

218-220白藜芦醇的抗癌化学活性白藜芦醇，一种在葡萄和其他食品中发现的植物抗毒素，经过纯化，在代表癌变三个主要阶段的试验中显示出具有化学预防癌症的活性。发现白藜芦醇可作为抗氧化剂和抗诱变剂，并诱导II期药物代谢酶；它介导抗炎作用并抑制环氧合酶和氢过氧化物酶的功能；并诱导人早幼粒细胞白血病细胞分化。另外，它在培养物中用致癌物治疗的小鼠乳腺中抑制了肿瘤前病变的发展，并在小鼠皮肤癌模型中抑制了肿瘤的发生。这些数据表明，白藜芦醇是人类饮食中的常见成分。第5章

回归与相关2018年世界卫生组织全球酒精与健康状况报告

2018年9月21日-日内瓦。世界卫生组织（WHO）发布的一份报告显示，2016年有300万人因有害使用酒精而死亡。这代表每20人中有1人死亡。这些死亡中有四分之三以上是男性。总体而言，有害使用酒精会造成全球疾病负担的5％以上。

世卫组织总干事谭德塞博士说：“由于暴力，伤害，精神健康问题以及癌症和中风等疾病，使太多人，其家庭和社区遭受有害使用酒精的后果。”

“现在应该采取行动，防止对健康社会的发展造成严重威胁。”88第5章

回归与相关第7章

正交试验设计教学目标：

了解正交试验的基本原理和用途，能正确进行表头设计，掌握正交设计的基本方法和步骤，熟练使用SPSS进行正交试验数据分析。

多因素试验处理会因试验因素及其水平的增加而急剧增加，从而使试验的实施变得困难，甚至无法实施。对于因素数目在三个以上的多因素试验，可以在一定条件下挑选部分处理作试验并能进行严格的统计分析，这种试验称为部分实施试验，正交试验设计就是一种常用的部分试验设计方法。正交试验设计的基本步骤明确试验目的，确定考核指标，挑因素，选水平选择合适的正交表进行表头设计正交表的表示方法L为正交表符号n为试验次数t为因素的水平数q为最多能安排的因素数第7章

正交试验设计例7-1L9(34)正交试验设计第7章

正交试验设计例7-1L9(34)正交试验直观分析法第7章

正交试验设计例7-1L9(34)正交试验方差分析法第7章

正交试验设计例7-1L9(34)正交试验方差分析法第7章

正交试验设计例7-1L9(34)正交试验方差分析法选择【事后比较（H）…】打开【单变量：实测平均值的事后多重比较…】对话框，将左边“a”、“b”和“c”项目选入“下列各项的事后检验（P）”中。选择“邓肯（D）”，单击【继续（C）】返回【单变量】主对话框，如图所示。单击【确定】完成。第7章

正交试验设计例7-1L9(34)正交试验方差分析法极差分析结果表明，因素“a”，F=27.984；“b”，F=4.691；“c”，