【摘要】：不同时期的R2分别为0.921，0.942，0.795，说明变量体重和自变量全甲宽、甲宽、甲长和体高之间的线性相关程度较大。多元回归方程的方差分析见表14，由表14可知，体重与各形态性状的回归关系达到极显著水平。经回归预测，估计值与观察值差异不显著，说明所列方程可以简便可靠地应用于实际生产中。
建立以各测量时期活体体重为依变量、以形态指标为自变量的回归方程如下：不同日龄回归方程R2 80 d回归方程：Y52.54.113 1 0.491.1 1 0.632.2 1 0.325.3 1 0.451X40.921；100 d回归方程：Y52.123.484 1 0.627.1 1 0.928.2 11.433.3 1 0.152X40.922.120 d回归方程：Y52.158.239 1 0.137.1 11.410.2 12.370.3 1 0.800X40.759；回归方程中，Y为活体体重（g）；X1为全甲宽（mm）；X2为甲宽（mm）；X3为甲长（mm）；X4为体高（mm），R2为方程判定系数，由SPSS软件直接计算得出。不同时期的R2分别为0.921，0.942，0.795，说明变量体重和自变量全甲宽、甲宽、甲长和体高之间的线性相关程度较大。
多元回归方程的方差分析见表14，由表14可知，体重与各形态性状的回归关系达到极显著水平（P , 0.01）。偏回归系数的检验见表15，由表15可知，所有偏回归系数均达到极显著水平（P , 0.01）。经回归预测，估计值与观察值差异不显著，说明所列方程可以简便可靠地应用于实际生产中。
表14 多元回归方程的方差分析
表15 偏回归系数检验
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
