淺談多元統(tǒng)計(jì)相關(guān)論文
多元統(tǒng)計(jì)是統(tǒng)計(jì)學(xué)中的一個(gè)重要內(nèi)容,對(duì)于各種分析對(duì)象的研究有很大的幫助。下面是學(xué)習(xí)啦小編為大家整理的多元統(tǒng)計(jì)相關(guān)論文，供大家參考。
多元統(tǒng)計(jì)相關(guān)論文范文一：多元統(tǒng)計(jì)分析在中藥成分分析中的應(yīng)用
摘要：我國(guó)中藥發(fā)展已有悠久歷史，中藥大多采用復(fù)方制劑，以其復(fù)方療效顯著而越來(lái)越受到重視，在其成分分析中，多元統(tǒng)計(jì)分析方法的運(yùn)用，本質(zhì)上是一種多變量協(xié)同考量的思路。本文通過(guò)對(duì)以往多元統(tǒng)計(jì)分析方法在中藥成分分析數(shù)據(jù)中的應(yīng)用作整理總結(jié)，對(duì)今后相關(guān)研究提供理論依據(jù)。
關(guān)鍵詞：多元統(tǒng)計(jì)分析 中藥成分分析
中藥物質(zhì)基礎(chǔ)的闡明和科學(xué)質(zhì)量控制方法的建立是中藥現(xiàn)代化和國(guó)際化的關(guān)鍵，在化學(xué)計(jì)量學(xué)中，多元統(tǒng)計(jì)分析方法得到了很好的應(yīng)用，通過(guò)優(yōu)化了化學(xué)量測(cè)過(guò)程，提高分析效果，應(yīng)用統(tǒng)計(jì)分析方法及其他數(shù)學(xué)方法和計(jì)算機(jī)軟件的應(yīng)用對(duì)其數(shù)據(jù)進(jìn)行整理，已較好的闡明了中藥物質(zhì)成分，結(jié)構(gòu)與其性能之間的復(fù)雜關(guān)系。
一、應(yīng)用現(xiàn)狀
1.1方法
在中藥成分分析中，多元統(tǒng)計(jì)分析方法如多元回歸，多元相關(guān)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(jì)算機(jī)能迅速而大量地處理實(shí)驗(yàn)數(shù)據(jù)，還廣泛采用了蒙特卡洛(Monte Carlo)統(tǒng)計(jì)模擬法，都能在某一特定方面很好的說(shuō)明其成分，但尚未有統(tǒng)一理論支撐整個(gè)體系，也是國(guó)內(nèi)著力于建立中成藥數(shù)據(jù)庫(kù)的緣由之一。要進(jìn)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(yīng)用中，應(yīng)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(yùn)用較少，比如風(fēng)險(xiǎn)模型，典型相關(guān)，MCA分析和Probit分析。
1.1.1成分提取
在對(duì)中藥復(fù)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(píng)價(jià)指標(biāo)，以及基于藥理活性的組方條件優(yōu)化的基礎(chǔ)上，化學(xué)模式識(shí)別方法引入中藥分析體系，模式識(shí)別，指通過(guò)相關(guān)軟件等用數(shù)學(xué)方法來(lái)實(shí)現(xiàn)模式的自動(dòng)處理和判別，模式識(shí)別可大致分為用監(jiān)督模式識(shí)別(判別分析方法)，是實(shí)現(xiàn)規(guī)定分類的標(biāo)準(zhǔn)和種類的數(shù)模，并且通過(guò)大批已知樣本的信息處理找出規(guī)律，再預(yù)報(bào)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(luò)判別法等，無(wú)監(jiān)督模式識(shí)別(聚類分析方法)，是對(duì)一組尚無(wú)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(guò)信息處理找出合適的分類方法并實(shí)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(xué)模式識(shí)別方法可以從復(fù)雜的化學(xué)測(cè)量數(shù)據(jù)出發(fā)，進(jìn)一步揭示復(fù)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(zhì)量控制
在中藥復(fù)方質(zhì)量控制方面，近年來(lái)，有監(jiān)督的模式識(shí)別和無(wú)監(jiān)督的模式識(shí)別往往聯(lián)合起來(lái)使用，即當(dāng)某中藥方劑的總體質(zhì)量分類不清楚時(shí)，可先用聚類分析對(duì)原來(lái)的樣品進(jìn)行分類，然后再用判別分析建立判別式以對(duì)新樣品進(jìn)行判別。
1.1.3藥效檢驗(yàn)
在化學(xué)計(jì)量中運(yùn)用多變量統(tǒng)計(jì)過(guò)程控制(multivariate statistical process control,MSPC) 方法來(lái)處理中藥成分組成，在中藥分析中，結(jié)合對(duì)無(wú)知復(fù)雜多組分進(jìn)行同時(shí)定性定量分析的方法，連用色譜儀器等，包括HPLC-DAD.CE-DAD(毛細(xì)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(shù)集于一體，已有很大突破，目前國(guó)內(nèi)在中藥成分分析中，運(yùn)用了在中藥化學(xué)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(zhì)譜連用技術(shù)(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(guān)研究人員運(yùn)用數(shù)學(xué)中多元統(tǒng)計(jì)分析方法對(duì)其分析，得到相關(guān)結(jié)論，進(jìn)而對(duì)藥效進(jìn)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(shí)間內(nèi)得到大量的多元性化合物信息，該過(guò)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(gòu)效關(guān)系到定量組效關(guān)系研究
1.2數(shù)據(jù)處理的應(yīng)用實(shí)例
在對(duì)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(chǔ)上，采用主成分分析法，對(duì)多個(gè)產(chǎn)地進(jìn)行了聚類分析。
王繼國(guó)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(jìn)行數(shù)據(jù)處理時(shí)，用重疊率與相關(guān)系數(shù)兩個(gè)參數(shù)，從兩個(gè)方面定量地對(duì)圖譜進(jìn)行了相似性評(píng)價(jià)，在此基礎(chǔ)上用系統(tǒng)聚類分析法定性地對(duì)樣品進(jìn)行了分類和鑒別，建立了一種相對(duì)完善的中藥血竭的化學(xué)模式識(shí)別技術(shù)。
楊紅娟等對(duì)金銀花的種類進(jìn)行了模式識(shí)別研究，利用高效液相色譜分析獲得金銀花的化學(xué)信息，并進(jìn)行了系統(tǒng)聚類分析，同時(shí)用微生物法進(jìn)行抑菌活性測(cè)定，用多重線性回歸揭示化學(xué)信息與藥理指標(biāo)之間的關(guān)系。
孫麗新等用典型相關(guān)分析對(duì)獲得反映樣品整體化學(xué)特征的數(shù)據(jù)做了處理，并運(yùn)用聚類的方法將樣品分類，得到效果良好的質(zhì)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(guān)系，用以解決中藥復(fù)雜成分的化學(xué)組成與生物活性之間的關(guān)系問(wèn)題，在中藥的多變量的化學(xué)祖墳空間和中藥的多變量空間之間建立起定量的關(guān)系，在多元統(tǒng)計(jì)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(wèn)題
統(tǒng)計(jì)方法的選擇在一定程度上取決于變量的測(cè)度水平，多元統(tǒng)計(jì)分析，自變量中包括名義變量的最多，自變量全部為間距測(cè)度的很少，多元統(tǒng)計(jì)分析方法中序次測(cè)度變量和名義測(cè)度變量的處理方法一樣，所以一般并不加以區(qū)分，序次測(cè)度變量作為名義測(cè)度變量來(lái)用，把二者合成為分類變量，本次研究的論文數(shù)據(jù)中應(yīng)用多元統(tǒng)計(jì)方法時(shí)大多數(shù)的分析中是分類變量。
2.1方法使用錯(cuò)誤
在多元統(tǒng)計(jì)分析方法的應(yīng)用中，如通經(jīng)分析等存在一些錯(cuò)誤，通徑分析是建立一組線性回歸方程，因此對(duì)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(cè)度或以上的變量，自變量可以使分類變量，但當(dāng)自變量中有分類變量時(shí)，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(píng)價(jià)和檢驗(yàn)
對(duì)實(shí)驗(yàn)數(shù)據(jù)處理的最終評(píng)價(jià)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(guān)系，每一種統(tǒng)計(jì)分析方法都有自己的數(shù)據(jù)評(píng)價(jià)指標(biāo)和方法。
三、總結(jié)
化學(xué)計(jì)量學(xué)提供了一整套區(qū)別于傳統(tǒng)復(fù)方研究的思路，在中藥化學(xué)，質(zhì)量控制，藥效檢驗(yàn)，組方分析，代謝組學(xué)以及建立中藥數(shù)據(jù)等各個(gè)領(lǐng)域都已有了初步的應(yīng)用和發(fā)展。多元統(tǒng)計(jì)分析方法作為數(shù)學(xué)數(shù)據(jù)分析中的主要分析方法，雖在中藥分析方法中應(yīng)用存在少數(shù)問(wèn)題，但其應(yīng)用前景及意義極其樂(lè)觀。(作者單位：沈陽(yáng)師范大學(xué))
參考文獻(xiàn)：
[1]梁逸曾.化學(xué)計(jì)量學(xué)用于中醫(yī)藥研究.長(zhǎng)沙：化學(xué)計(jì)量學(xué)與傳感技術(shù)研究所，1998.
[2]羅國(guó)安.中藥中成藥現(xiàn)代化進(jìn)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(xué)技術(shù)文獻(xiàn)出版社，1998.
[4]張敏，呂華瑛.中藥成分分離新技術(shù)及應(yīng)用[M].山東：山東中醫(yī)雜志，2005.
[5]鄧書鴻，聶磊.中藥譜效關(guān)系的分析方法及數(shù)據(jù)處理技術(shù)研究進(jìn)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(guó)醫(yī)藥學(xué)報(bào)，2007.
[7]陳述云，張崇甫.多指標(biāo)綜合評(píng)價(jià)方法及其優(yōu)化選擇研究.貴州：數(shù)理統(tǒng)計(jì)與管理，1994.
多元統(tǒng)計(jì)相關(guān)論文范文二：多元統(tǒng)計(jì)法的閱讀傾向研究
小學(xué)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(xué)生究竟是出于什么動(dòng)機(jī)去閱讀?如何根據(jù)小學(xué)生讀者群的劃分實(shí)施個(gè)性化教育?一直以來(lái)，關(guān)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(shí)間長(zhǎng)短等方面，對(duì)學(xué)生的閱讀傾向的實(shí)證研究相對(duì)較為缺乏，這是本文的研究意義所在。
數(shù)據(jù)采集過(guò)程
筆者借鑒美國(guó)Wigfield教授1996年編制的MRQ問(wèn)卷[1]，并自行設(shè)計(jì)了調(diào)查問(wèn)卷。借助問(wèn)卷主要調(diào)查被測(cè)者的背景信息，比如年級(jí)、閱讀載體、家庭閱讀氛圍、成績(jī)等。選定的樣本對(duì)象為:3—5年級(jí)的小學(xué)生。樣本的抽取采用隨機(jī)方法，在全市范圍內(nèi)選擇了300名小學(xué)生，最終獲得272名有效樣本。調(diào)查中采用四點(diǎn)評(píng)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(duì)于調(diào)查數(shù)據(jù)，筆者采用數(shù)理統(tǒng)計(jì)方法進(jìn)行處理，主要思路為:1.根據(jù)數(shù)據(jù)情況，將測(cè)試語(yǔ)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(jié)果，對(duì)數(shù)據(jù)重新評(píng)估打分，然后再進(jìn)行聚類分析，確定最終采用的分類個(gè)數(shù)。3.根據(jù)分類結(jié)果對(duì)每一樣本判別其所屬類別，然后對(duì)各類型讀者的背景進(jìn)行交叉分析。4.所有數(shù)據(jù)采用SPSS統(tǒng)計(jì)軟件進(jìn)行數(shù)理分析。
數(shù)據(jù)結(jié)果分析
由于測(cè)試的語(yǔ)句之間存在一定的相關(guān)性，通過(guò)因子分析可以將相關(guān)因素綜合為一個(gè)因子，因此，筆者首先采用因子分析進(jìn)行數(shù)據(jù)分析。1.因子分析由相關(guān)系數(shù)矩陣R計(jì)算得到特征值、方差貢獻(xiàn)率和累計(jì)貢獻(xiàn)率后，有六個(gè)因子特征根大于1，這六個(gè)因子的方差累計(jì)貢獻(xiàn)率接近70%，因此，提取這六個(gè)公因子可以描述小學(xué)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(huì);第四公因子在變量V38、V40上有較大載荷，因此定義為成績(jī);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(gè)因子的性質(zhì)較好地體現(xiàn)了其所代表的因素對(duì)小學(xué)生閱讀傾向的影響，也比較符合小學(xué)生的認(rèn)知規(guī)律。2.聚類分析在模型通過(guò)統(tǒng)計(jì)檢驗(yàn)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(gè)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(gè)聚類中心(類別)如下:3.各類型小學(xué)生的背景特征在得到小學(xué)生閱讀傾向的分類以后，筆者對(duì)各類型的小學(xué)生的背景進(jìn)行分析，以判斷這些分類是否符合我們通常的認(rèn)識(shí)類別。以下是實(shí)際統(tǒng)計(jì)結(jié)果:分享型:這類小學(xué)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(bào)刊的時(shí)間在半小時(shí)以下，66.7%的學(xué)生語(yǔ)文成績(jī)?yōu)榱?。上進(jìn)型:這類小學(xué)生占樣本量的41.5%，他們的學(xué)習(xí)態(tài)度比較積極。父母關(guān)系較為和睦，而且父母親都比較關(guān)心孩子的教育問(wèn)題，有25.7%的家庭是父親擔(dān)當(dāng)了主要監(jiān)管人的責(zé)任，49.6%的學(xué)生語(yǔ)文成績(jī)?yōu)閮?yōu)。任務(wù)型:這類小學(xué)生占樣本量的12.1%。父母關(guān)系和睦，并且能以身作則，母親是學(xué)生學(xué)習(xí)情況的主要監(jiān)督者，也有12.1%的學(xué)生是由祖父母或外祖父母擔(dān)當(dāng)主要監(jiān)管者責(zé)任。這類學(xué)生成績(jī)不錯(cuò)，有63.6%的學(xué)生語(yǔ)文成績(jī)?yōu)閮?yōu)，30.3%的學(xué)生語(yǔ)文成績(jī)?yōu)榱?。放松?這類小學(xué)生占樣本量的4.5%。這一類型學(xué)生的父母關(guān)系較為和睦，學(xué)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(shí)很少看書讀報(bào)，家庭月收入偏低。這部分學(xué)生43.3%的語(yǔ)文成績(jī)?yōu)榱迹?6.7%的學(xué)生語(yǔ)文成績(jī)?yōu)橹?。自我?這類小學(xué)生占樣本量的11.8%，其中女生占了68.8%。母親是主要的學(xué)業(yè)情況監(jiān)督者，69%的母親擁有大學(xué)本科學(xué)歷而且注重自身的學(xué)習(xí)，平均每天花在閱讀上的時(shí)間超過(guò)半小時(shí)的達(dá)到了87.6%。這類學(xué)生喜歡閱讀，語(yǔ)文成績(jī)以優(yōu)良為主。迷茫型:這類小學(xué)生占樣本量的20.5%，這一類別學(xué)生的成績(jī)與閱讀動(dòng)機(jī)之間無(wú)明顯聯(lián)系，44.4%的學(xué)生語(yǔ)文成績(jī)?yōu)閮?yōu)，51.9%的學(xué)生語(yǔ)文成績(jī)?yōu)榱肌?/p>
淺談多元統(tǒng)計(jì)相關(guān)論文相關(guān)文章：
1.淺談統(tǒng)計(jì)學(xué)調(diào)查相關(guān)論文