淺談多元統(tǒng)計相關論文
多元統(tǒng)計是統(tǒng)計學中的一個重要內容,對于各種分析對象的研究有很大的幫助。下面是學習啦小編為大家整理的多元統(tǒng)計相關論文，供大家參考。
多元統(tǒng)計相關論文范文一：多元統(tǒng)計分析在中藥成分分析中的應用
摘要：我國中藥發(fā)展已有悠久歷史，中藥大多采用復方制劑，以其復方療效顯著而越來越受到重視，在其成分分析中，多元統(tǒng)計分析方法的運用，本質上是一種多變量協(xié)同考量的思路。本文通過對以往多元統(tǒng)計分析方法在中藥成分分析數(shù)據(jù)中的應用作整理總結，對今后相關研究提供理論依據(jù)。
關鍵詞：多元統(tǒng)計分析 中藥成分分析
中藥物質基礎的闡明和科學質量控制方法的建立是中藥現(xiàn)代化和國際化的關鍵，在化學計量學中，多元統(tǒng)計分析方法得到了很好的應用，通過優(yōu)化了化學量測過程，提高分析效果，應用統(tǒng)計分析方法及其他數(shù)學方法和計算機軟件的應用對其數(shù)據(jù)進行整理，已較好的闡明了中藥物質成分，結構與其性能之間的復雜關系。
一、應用現(xiàn)狀
1.1方法
在中藥成分分析中，多元統(tǒng)計分析方法如多元回歸，多元相關分析，逐步回歸分析，最大似然法，判別分析，聚類分析和主成分分析，利用電子計算機能迅速而大量地處理實驗數(shù)據(jù)，還廣泛采用了蒙特卡洛(Monte Carlo)統(tǒng)計模擬法，都能在某一特定方面很好的說明其成分，但尚未有統(tǒng)一理論支撐整個體系，也是國內著力于建立中成藥數(shù)據(jù)庫的緣由之一。要進一步定性定量的確定中藥成分，并很好的分析中藥成分還需不斷努力。
在應用中，應用最多的為多元線性回歸和Logistic回歸方法，其次是通徑分析，因子分析和聚類分析的運用較少，比如風險模型，典型相關，MCA分析和Probit分析。
1.1.1成分提取
在對中藥復方有效成分的整體提取方法，指紋圖譜條件優(yōu)化及定量評價指標，以及基于藥理活性的組方條件優(yōu)化的基礎上，化學模式識別方法引入中藥分析體系，模式識別，指通過相關軟件等用數(shù)學方法來實現(xiàn)模式的自動處理和判別，模式識別可大致分為用監(jiān)督模式識別(判別分析方法)，是實現(xiàn)規(guī)定分類的標準和種類的數(shù)模，并且通過大批已知樣本的信息處理找出規(guī)律，再預報未知樣本的類型，如貝葉斯法(Bayes)逐步判別分析方法，人工神經(jīng)網(wǎng)絡判別法等，無監(jiān)督模式識別(聚類分析方法)，是對一組尚無明確分類的樣本，根據(jù)它們所變現(xiàn)的變量特征，按相似程度的大小加以歸類，最終通過信息處理找出合適的分類方法并實現(xiàn)樣本的分類，如系統(tǒng)聚類分析，模糊聚類分析等以及基于特征投影的降維顯示方法，另外還有一類基于特征投影的降維顯示方法，如主成分分析方法，基于偏最小二乘法的降維方法等，中藥的化學模式識別方法可以從復雜的化學測量數(shù)據(jù)出發(fā)，進一步揭示復雜化合物之間的隱藏規(guī)律，為中藥整體研究提供十分有用的信息。
1.1.2質量控制
在中藥復方質量控制方面，近年來，有監(jiān)督的模式識別和無監(jiān)督的模式識別往往聯(lián)合起來使用，即當某中藥方劑的總體質量分類不清楚時，可先用聚類分析對原來的樣品進行分類，然后再用判別分析建立判別式以對新樣品進行判別。
1.1.3藥效檢驗
在化學計量中運用多變量統(tǒng)計過程控制(multivariate statistical process control,MSPC) 方法來處理中藥成分組成，在中藥分析中，結合對無知復雜多組分進行同時定性定量分析的方法，連用色譜儀器等，包括HPLC-DAD.CE-DAD(毛細管電泳二極管陣列聯(lián)用儀),HPLC-MS,HPLC-IR,GC-MS.GC-IR等因其將分離與分析技術集于一體，已有很大突破，目前國內在中藥成分分析中，運用了在中藥化學成分研究的手段方面，如薄層色譜，氣相色譜，高效液相色譜，紫外光譜，紅外光譜等已得到普遍使用，還包括超臨界色譜，高效逆流色譜，色譜質譜連用技術(GC/MS、HPLC/MS)，核磁共振(NMR)指紋圖譜，x-射線衍射指紋圖譜等。其中產(chǎn)生大量的數(shù)據(jù)，有關研究人員運用數(shù)學中多元統(tǒng)計分析方法對其分析，得到相關結論，進而對藥效進行更有效的分析。
1.1.4組分分析
借助各類分析儀器以及光譜色譜聯(lián)用手段，可以再較短的時間內得到大量的多元性化合物信息，該過程所用到的具體方法有聚類分析，主成分分析以及偏最小二乘法，判別式分析法等，中藥藥效，由定量構效關系到定量組效關系研究
1.2數(shù)據(jù)處理的應用實例
在對藥材產(chǎn)地區(qū)分和鑒別研究方面，徐永群等在黃苓的紅外光譜的指紋圖譜基礎上，采用主成分分析法，對多個產(chǎn)地進行了聚類分析。
王繼國等分析中藥血竭樣品的高效液相色譜中，把指紋圖譜信息進行數(shù)據(jù)處理時，用重疊率與相關系數(shù)兩個參數(shù)，從兩個方面定量地對圖譜進行了相似性評價，在此基礎上用系統(tǒng)聚類分析法定性地對樣品進行了分類和鑒別，建立了一種相對完善的中藥血竭的化學模式識別技術。
楊紅娟等對金銀花的種類進行了模式識別研究，利用高效液相色譜分析獲得金銀花的化學信息，并進行了系統(tǒng)聚類分析，同時用微生物法進行抑菌活性測定，用多重線性回歸揭示化學信息與藥理指標之間的關系。
孫麗新等用典型相關分析對獲得反映樣品整體化學特征的數(shù)據(jù)做了處理，并運用聚類的方法將樣品分類，得到效果良好的質量控制方法。
周立東等提出在天然藥物演技中建立定量組效關系，用以解決中藥復雜成分的化學組成與生物活性之間的關系問題，在中藥的多變量的化學祖墳空間和中藥的多變量空間之間建立起定量的關系，在多元統(tǒng)計分析中，如回歸分析，聚類分析以及因子分析西歐提供了操作方法，
二、存在的主要問題
統(tǒng)計方法的選擇在一定程度上取決于變量的測度水平，多元統(tǒng)計分析，自變量中包括名義變量的最多，自變量全部為間距測度的很少，多元統(tǒng)計分析方法中序次測度變量和名義測度變量的處理方法一樣，所以一般并不加以區(qū)分，序次測度變量作為名義測度變量來用，把二者合成為分類變量，本次研究的論文數(shù)據(jù)中應用多元統(tǒng)計方法時大多數(shù)的分析中是分類變量。
2.1方法使用錯誤
在多元統(tǒng)計分析方法的應用中，如通經(jīng)分析等存在一些錯誤，通徑分析是建立一組線性回歸方程，因此對變量的要求和多元線性回歸一樣，多元線性回歸要求因變量必須為間距測度或以上的變量，自變量可以使分類變量，但當自變量中有分類變量時，必須做虛擬變量回歸，而不是普通的線性回歸。
2.2數(shù)據(jù)的評價和檢驗
對實驗數(shù)據(jù)處理的最終評價是要反映該藥效的最好方式，即數(shù)據(jù)在多大程度上能很好解釋了因變量的間的關系，每一種統(tǒng)計分析方法都有自己的數(shù)據(jù)評價指標和方法。
三、總結
化學計量學提供了一整套區(qū)別于傳統(tǒng)復方研究的思路，在中藥化學，質量控制，藥效檢驗，組方分析，代謝組學以及建立中藥數(shù)據(jù)等各個領域都已有了初步的應用和發(fā)展。多元統(tǒng)計分析方法作為數(shù)學數(shù)據(jù)分析中的主要分析方法，雖在中藥分析方法中應用存在少數(shù)問題，但其應用前景及意義極其樂觀。(作者單位：沈陽師范大學)
參考文獻：
[1]梁逸曾.化學計量學用于中醫(yī)藥研究.長沙：化學計量學與傳感技術研究所，1998.
[2]羅國安.中藥中成藥現(xiàn)代化進程[M].北京：中成藥出版社，2000.
[3]甘師俊，李振吉.中藥現(xiàn)代化發(fā)展戰(zhàn)略[M].北京：科學技術文獻出版社，1998.
[4]張敏，呂華瑛.中藥成分分離新技術及應用[M].山東：山東中醫(yī)雜志，2005.
[5]鄧書鴻，聶磊.中藥譜效關系的分析方法及數(shù)據(jù)處理技術研究進展.山東：中藥材 Joumal of Chinese Medicinal Materials,1819.
[6]王海南.中藥有效成分研究與中藥新藥研發(fā).北京：原中國醫(yī)藥學報，2007.
[7]陳述云，張崇甫.多指標綜合評價方法及其優(yōu)化選擇研究.貴州：數(shù)理統(tǒng)計與管理，1994.
多元統(tǒng)計相關論文范文二：多元統(tǒng)計法的閱讀傾向研究
小學階段是人生的起步階段，作為一名少兒教育工作者不禁要思考，小學生究竟是出于什么動機去閱讀?如何根據(jù)小學生讀者群的劃分實施個性化教育?一直以來，關于少兒閱讀教育的討論，往往著眼于讀者閱讀的數(shù)量、種類、時間長短等方面，對學生的閱讀傾向的實證研究相對較為缺乏，這是本文的研究意義所在。
數(shù)據(jù)采集過程
筆者借鑒美國Wigfield教授1996年編制的MRQ問卷[1]，并自行設計了調查問卷。借助問卷主要調查被測者的背景信息，比如年級、閱讀載體、家庭閱讀氛圍、成績等。選定的樣本對象為:3—5年級的小學生。樣本的抽取采用隨機方法，在全市范圍內選擇了300名小學生，最終獲得272名有效樣本。調查中采用四點評分制，4表示“非常符合”，1代表“非常不符合”。
數(shù)據(jù)分析方法
對于調查數(shù)據(jù)，筆者采用數(shù)理統(tǒng)計方法進行處理，主要思路為:1.根據(jù)數(shù)據(jù)情況，將測試語句分為幾大類，找出每一類中的共同因子并作出合理解釋。2.利用因子分析的結果，對數(shù)據(jù)重新評估打分，然后再進行聚類分析，確定最終采用的分類個數(shù)。3.根據(jù)分類結果對每一樣本判別其所屬類別，然后對各類型讀者的背景進行交叉分析。4.所有數(shù)據(jù)采用SPSS統(tǒng)計軟件進行數(shù)理分析。
數(shù)據(jù)結果分析
由于測試的語句之間存在一定的相關性，通過因子分析可以將相關因素綜合為一個因子，因此，筆者首先采用因子分析進行數(shù)據(jù)分析。1.因子分析由相關系數(shù)矩陣R計算得到特征值、方差貢獻率和累計貢獻率后，有六個因子特征根大于1，這六個因子的方差累計貢獻率接近70%，因此，提取這六個公因子可以描述小學生閱讀傾向的基本狀況。由輸出表可以看出，第一公因子在變量V8、V9、V10、V49、V51上有較大載荷，因此定義為挑戰(zhàn);第二公因子在變量V25、V26、V9、V10上有較大載荷，因此定義為順從;第三公因子在變量V22、V35、V9、V49上有較大載荷，因此定義為社會;第四公因子在變量V38、V40上有較大載荷，因此定義為成績;第五公因子在變量V13、V29上有較大載荷，因此定義為逃避;第六公因子在變量V34、V51上有較大載荷，因此定義為投注[2]。這六個因子的性質較好地體現(xiàn)了其所代表的因素對小學生閱讀傾向的影響，也比較符合小學生的認知規(guī)律。2.聚類分析在模型通過統(tǒng)計檢驗的情況下，本文采用了快速聚類K均值分析的方法，選擇了有7個中心的聚類分析，迭代次數(shù)為5次，收斂數(shù)據(jù)為0，這7個聚類中心(類別)如下:3.各類型小學生的背景特征在得到小學生閱讀傾向的分類以后，筆者對各類型的小學生的背景進行分析，以判斷這些分類是否符合我們通常的認識類別。以下是實際統(tǒng)計結果:分享型:這類小學生約占樣本量的10%。家庭教育的主要監(jiān)管人基本上都是母親，而母親很少閱讀，33.3%的母親平均每天花在看書或報刊的時間在半小時以下，66.7%的學生語文成績?yōu)榱肌Ｉ线M型:這類小學生占樣本量的41.5%，他們的學習態(tài)度比較積極。父母關系較為和睦，而且父母親都比較關心孩子的教育問題，有25.7%的家庭是父親擔當了主要監(jiān)管人的責任，49.6%的學生語文成績?yōu)閮?yōu)。任務型:這類小學生占樣本量的12.1%。父母關系和睦，并且能以身作則，母親是學生學習情況的主要監(jiān)督者，也有12.1%的學生是由祖父母或外祖父母擔當主要監(jiān)管者責任。這類學生成績不錯，有63.6%的學生語文成績?yōu)閮?yōu)，30.3%的學生語文成績?yōu)榱?。放松?這類小學生占樣本量的4.5%。這一類型學生的父母關系較為和睦，學業(yè)情況基本上由母親監(jiān)督，但是其母親文化程度不高，平時很少看書讀報，家庭月收入偏低。這部分學生43.3%的語文成績?yōu)榱迹?6.7%的學生語文成績?yōu)橹小Ｗ晕倚?這類小學生占樣本量的11.8%，其中女生占了68.8%。母親是主要的學業(yè)情況監(jiān)督者，69%的母親擁有大學本科學歷而且注重自身的學習，平均每天花在閱讀上的時間超過半小時的達到了87.6%。這類學生喜歡閱讀，語文成績以優(yōu)良為主。迷茫型:這類小學生占樣本量的20.5%，這一類別學生的成績與閱讀動機之間無明顯聯(lián)系，44.4%的學生語文成績?yōu)閮?yōu)，51.9%的學生語文成績?yōu)榱肌?/p>
淺談多元統(tǒng)計相關論文相關文章：
4.淺談審計相關論文