太行山猕猴跖骨性差的逻辑回归分析

用猕猴跖骨变量建立性别判别逻辑回归模型,用ROC分析来比较跖骨不同变量、不同侧别和每根跖骨的性差大小.成年跖骨标本45例(31雌,14雄).选择跖骨的7个线性变量.数据分析采用SPSS20.0软件.结果表明:跖骨长度变量是最好的性别标识变量,然后是跖骨头和跖骨底变量,最小是跖骨骨干变量.总体上性别正确判别率较高(84.4%~95.6%).ROC分析显示左右两侧之间的差异很小(AUC分别是0.922和0.956).5根跖骨逐步逻辑回归结果的是MT3,MT4,MT5判别率较高(88.9%~95.6%).MT1和MT2判别率较低(84.4%~86.7%).结果提示:猕猴跖骨性差显著,跖骨的长度变化主要受基因控制,骨干宽度主要受到环境因素的影响.跖骨的性差模式主要反映了遗传、环境与行为因素的交互作用.     

太行山猕猴掌骨性差分析

目的是用猕猴掌骨变量建立性别判别函数.成年太行山猕猴骨骼标本39例(27雌,12雄).每根掌骨测量7个变量.数据分析采用SPSS 20.0.建立逐步判别函数.选择出来的性差较大的变量直接进行判别分析.结果表明大部分变量性差显著(P<0.01),侧别差异很小(P>0.05).逐步判别函数选择出来最好的变量是掌骨长度.总体上5根掌骨的性别正确判别率较高,雄性判别率为83.3%~100.0%,雌性判别率为85.2%~100.0%,总的性别判别率达84.6%~94.7%.交互检验比回代检验判别率略微低一些.结果提示用掌骨长度变量可以很好的鉴定性别.     

猕猴骶骨性别判别分析

目的:探讨太行山猕猴骶骨指数性差.材料和方法:成年猕猴骶骨标本55例(雄17,雌38).选择骶骨5个线性变量和4个指数变量;统计处理采用ANOVA、多元判别分析和二元逻辑回归分析.结果:大部分骶骨线性变量存在性差(P0.05),雄性大于雌性;猕猴骶骨相对宽指数性差显著(P0.01),雌性大于雄性.多元判别分析性别正确判别率为78.2%~87.3%.逻辑回归分析性别正确判别率为83.6%~87.3%.结论:骶骨变量性差显著,骶骨体长和骶骨相对宽性别判别的能力较强.     

太行山猕猴锁骨性差研究

了解猕猴锁骨性差特征及影响因素.太行山猕猴锁骨和颅骨标本51例(雄:18,雌:33).选择锁骨11个变量.数据分析采用SPSS 19.0.用判别分析方法建立锁骨性别判别函数.单因素方差分析锁骨大多数变量性差显著(P<0.01).采用有关锁骨变量性别正确判别率较低(50.0%~76.5%).考虑到锁骨与颅长比值,性别正确判别率有所增加(80.4%~86.3%).整体上雌性判别率高于雄性,两侧之间没有明显差异.这种性差模式主要与锁骨特殊生长模式、形态结构、行为习性和种属特异性有关.     

太行山猕猴锁骨性差研究

了解猕猴锁骨性差特征及影响因素.太行山猕猴锁骨和颅骨标本51例(雄:18,雌:33).选择锁骨11个变量.数据分析采用SPSS 19.0.用判别分析方法建立锁骨性别判别函数.单因素方差分析锁骨大多数变量性差显著(P0.01).采用有关锁骨变量性别正确判别率较低(50.0%~76.5%).考虑到锁骨与颅长比值,性别正确判别率有所增加(80.4%~86.3%).整体上雌性判别率高于雄性,两侧之间没有明显差异.这种性差模式主要与锁骨特殊生长模式、形态结构、行为习性和种属特异性有关.     

太行山猕猴跟骨性差

目的:了解太行山猕猴跟骨性差大小.方法:测量太行山猕猴跟骨标本27例(♀16,♂11)的9项变量.运用SPSS13.0单因素方差分析和多元判别分析.结果:猕猴跟骨主要形态变量有较明显的性差,6项变量达到了显著差异水平(P<0.05).采用回代检验和交互检验方法判别率不同,多元判别分析性别正确判别率较高(>85%).结论跟骨的性差大小与身体性差大小有关,与雌雄个体异速生长速度有关.     

猕猴骨盆性差研究

探讨太行山猕猴骨盆性差特征.材料方法:成年猕猴骨盆标本41例(雄19例,雌22例),选择骨盆变量11个,同时测量颅长和股骨长;数据处理采用SPSS 22.0统计软件,统计处理采用ANOVA、ANCOVA、POWER、PCA和Logistic回归分析.结果:成年猕猴骨盆有明显的性差,单因素方差分析结果显示颅长、股骨长和坐骨长雄性明显大于雌性;但是耻骨长、骨盆入口变量和骶骨宽等雌性明显大于雄性.骨盆变量PCA提取2个因子,解释了总变异的72.55%.结果显示骨盆提取的2个因子都有一定的性别识别能力.二元逻辑回归检验2个因子的性别正确判别率是92.7%,F1和F2分别是82.9%和73.2%.猕猴骨盆性差结果提示雌性骨盆性差主要与分娩选择压力有关,尤其是考虑到猕猴具有相对较大的新生儿头颅时.     

猕猴掌骨长比、性差与活动强度关系研究

目的:研究猕猴掌骨长比、活动强度和性差之间的关系.方法:掌骨标本32例(雄8例,雌24例).选择变量为掌骨长比3M:5M和4M:5M.用SPSS19.0统计软件进行单因素方差分析.结果:猕猴不同活动强度组之间的3M∶5M和4M∶5M比值存在差异(P<0.05).整体水平雌性掌骨长比大于雄性掌骨长比.同一性别组中猕猴3M∶5M和4M∶5M与活动强度呈正相关.结论:猕猴一些掌骨长比与其活动强度关系密切.提示掌骨长比与指长比可能有不同的发育机制和发育历程,主要与胚胎期的和成年期的睾酮浓度有关.     

太行山猕猴掌骨和蹠骨的波动性不对称

记述了太行山猕猴掌骨和蹠骨的波动性不对称性(FA)特征.掌骨标本35例(雄8,雌27),蹠骨标本33例(雄8,雌25).选择变量5个,分别是掌骨和蹠骨最大长、中间宽、中间高、中间周长和中间横截面积.用SPSS13.0统计软件进行正态分布检验和波动性不对称的性差分析.研究结果表明:掌骨和蹠骨的5个变量FA 值大部分不符合正态分布(P<0.05);掌骨和蹠骨 FA 值与身体大小相关性较弱;掌骨和蹠骨中间横截面积FA值相对较大,其他变量的FA值相对较小; FA值存在一定程度的性差.推测猕猴掌骨和蹠骨FA特征是种群水平上的,主要是遗传和出生前后环境因素作用的结果.     

太行山猕猴跖骨性差

以39例成年太行山猕猴跖骨为标本(27雌,12雄),测量每根跖骨7个变量,采用SPSS 20.0进行数据分析,用7个跖骨变量建立逐步判别函数.选择性差最大的变量直接进行判别分析.结果表明,大部分变量性差显著(P<0.01),侧别差异很小.逐步判别分析选择出来的最好变量是跖骨长度.雄性判别率为78.6%⁹2.9%,雌性判别率为79.3%92.9%,雌性判别率为79.3%⁹3.1%,平均判别率为79.1%93.1%,平均判别率为79.1%⁹3.0%.交互检验比回代检验判别率略微低一些.结果显示用跖骨长度变量可以很好地鉴定性别.     

猕猴长骨的不对称性研究

观察了太行山猕猴肱骨、股骨、第二掌骨和第二蹠骨4种长骨有关变量的不对称性特征.肱骨标本55例,股骨标本53例,掌(蹠)骨标本34例.选择变量5个,分别是4种长骨的最大长、中间宽、中间高、中间周长和中间横截面积.用SPSS13.0软件进行正态分布检验和不对称的性差比较.结果表明:左侧肱骨的方向性不对称值大于右侧,显示出方向性不对称.第二掌骨比较结果显示是右侧大于左侧,下肢股骨和第二蹠骨作为对照组不对称性表现较弱.表明上肢骨出现的方向性不对称并不是由于波动性不对称随机产生的.结果提示太行山猕猴上肢长骨的功能可能呈侧面化趋势,在各种长骨之间力量与精密控制之间存在一种互补关系.     

滑坡灾害危险性评价的3种统计方法比较——以深圳市为例

采用Logistic回归模型、广义加法模型(GAM)和分类与回归树(CART)3种统计方法, 对深圳市的研究区域进行了滑坡灾害的危险性评价;利用Kappa值和ROC曲线,结合危险性评价结果图对3种方法的效果进行了比较,并分析了3 种方法在选取主控因子以及确定因子影响程度等方面各自具有的特点。在研究区域的条件下,GAM 的效果优于Logistic回归模型和CART,Logistic回归模型和CART的效果大致相当。Logistic回归模型和CART可自主选择主控因子,通过GAM 可定量研究因子的影响程度以及变化趋势。     

岩体分级的多分类有序因变量Logistic回归模型

将多分类有序因变量的Logistic回归分析引入到岩体质量分级问题中,以影响岩体级别的单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水性系数为自变量,岩体级别为响应变量,以工程实测岩体质量数据作为统计样本,建立了岩体分级公式。对模型进行了拟合优度检验、模型的有效性检验、预测能力的检验,研究结果表明：Logistic逐步回归分析得到的回归模型性能良好,回判估计的误判率为零,预测精度高。相比距离判别分析模型,回归分析模型在现场岩体分级更加方便,回判的误判率更低,另外模型能输出岩体属于各级别的概率,为工程设计人员提供更多的岩体质量信息;相比普通的回归分析,多分类有序因变量 Logistic回归更适于响应变量为有序多类别的岩体分级问题,因而岩体分级的多分类有序因变量回归模型是一种更优的岩体分级方法。