【正文】 ol/L 的 Hg2+和 Hg2++Cd2+復合脅迫 6h時， SOD活性是降低的。經相關分析，在Hg2+脅迫 72h時， POD活性與金屬離子濃度間顯著負相關（決定系數 R2＝ ， P），在 Cd2+脅迫 6和 24h， Hg2++Cd2+復合脅迫 6h時， POD活性與金屬離子濃度間顯著正相關，決定系數 R2分別為 ， （ P）和 （ P）。兩者間的變化趨勢相似，即隨著脅迫濃度和時間的增加， POD的活性逐步增大，超過一定限度后，開始降低。 mol/L時達最高，之后下降， 72h時金屬離子濃度在 5181。 ? POD活性的影響 ? 由圖 5可知，在 Hg2+和 Hg2++Cd2+復合脅迫時， 6h時 POD活性穩(wěn)定或隨金屬離子濃度的增加而緩慢上升， 24h時先明顯升高，在 Hg2+=10 181。 mol/L濃度時穩(wěn)定或升高，之后相對較緩慢地降低。 ? ? 總體上看， 3種處理均導致苦草可溶性蛋白含量隨著時間的延長和金屬離子濃度的增加而明顯降低，但略有波動（圖 4）。在低濃度脅迫時（ ≤ 181。 R與金屬離子濃度間只有復合脅迫時明顯負相關，其決定系數 R2=（ P）。 稿件 20211113002初稿（續(xù)） ? 對苦草光合與呼吸作用的影響 ? 苦草的 Pg、 Pn、 R是隨著金屬離子濃度的增加而下降（圖 2）。 mol/L時急劇下降，即快速致死，而在 Cd2+ 脅迫下，現(xiàn)存量增加百分比隨脅迫程度的增加呈逐步下降趨勢，說明Hg2+和 Hg2++Cd2+復合對苦草的毒性遠大于Cd2+。 顯著性檢驗結果表明，四個擬合函數均達到 ， 呈極顯著相關 。 可以 反映隨時間變化的趨勢。 從表 3 可以看出，哨口、白旗、扶余、泔水缸四個斷面表層沉積物汞含量與時間的函數關系為指數函數關系，回歸擬合的相關系數 達到 P ， 呈極顯 著的相關水平 。經相關分析， 現(xiàn)存量增加百分比與金屬離子濃度間顯著負相關，其決定系數 R2分別為 3 ， 0. 87 ， 0. 886 ，P 0 .05 。 案例 13 苦草 現(xiàn)存量增加百分比 的 變化 由圖 1 可知，在 Hg2+、 Cd2+和 Hg2+＋ Cd2+三種脅迫下，苦草的現(xiàn)存量增加百分比均隨著金屬離子濃度的增加而下降，其中在 Hg2+或 Hg2++ Cd2+ 5 181。 TSNA總量與 NNN、NAT+NAB和 NNK都具有 極顯著相關性 ，但與NNK的 相關性稍低 。 案例 12（續(xù)） ? 從表 3可知，亞硝酸鹽與硝酸鹽 存在一定的相關性，相關系數為 ，但不顯著 。 案例 12（續(xù)） 表 2：噴灑菌株與 TSNA與硝酸鹽、亞硝酸鹽的相關性及顯著性分析 Table2: The correlation and significant analysis of spraying WB5 with nitrate, nitrite N N N N A T + N A B N N K T S N A 亞硝酸鹽 硝酸鹽 噴灑菌株 0 . 7 1 3 7 * 0 . 7 7 2 7 * * 0 . 5 8 5 8 0 . 7 5 1 9 * 0 . 7 2 6 9 * 0 . 0 5 2 0 注 :**極顯著 *顯著 案例 12（續(xù)） ? 從表 2可知，晾制期間煙葉中 WB5的菌量與硝酸鹽含量幾乎沒有相關性，而與亞硝酸鹽、NNN和總 TSNA都存在著 顯著的負相關性 ，與NAT+NAB存在 極顯著的負相關性 ，而與 NNK的 負相關性則不顯著 。 1 . 23 c 4 2 3 . 5 4 177。 3 . 23 b 背景區(qū) Co n tr o l z o n e 1 1 0 6 . 5 4 177。 10 . 05 b 6 0 0 . 3 7 177。 8 . 6 6 a 3 0 6 . 0 9 177。 05001000150020212500300035000 50 100 150 200 250 300 350t/mint/Qt案例 11 表 1 旅游踩踏對土壤微生物生物量碳的影響 ( 單位： mg . kg 1) T ab l e 1 The ef f ect of r ecr eat i onal act i v i t i es on m i cr ob i al b i om as s c ar bon i n soi l 試驗區(qū) T e st z o n e 0 ～ 5 c m 土壤層 0 ～ 5 c m S o il lay e r 5 ～ 1 5 c m 土壤層 5 ～ 1 5 c m S o il lay e r 1 5 ～ 2 5 c m 土壤層 1 5 ～ 2 5 c m S o il lay e r 活動區(qū) A c ti v e z o n e 3 7 6 . 6 177?？梢宰鳛樵孱愒鲩L趨勢的預報指標。 案例 8 0500100015002021250035 40 45 50甲基對硫磷010020030040050035 40 45 50西維因0153045607535 40 45 50克百威O / %Kd05001000150020212500 甲基對硫磷0100200300400500 西維因01530456075 克百威H / C / %Kd圖 6 Kd與腐殖酸 O元素含量和 H/C比的相關性 Fig 6 Correlation of Kd and O content and H/C rate of the humic acids 案例 9 024681012141618201 2 3 4 5 6 7 8 9時間 ( 天 )DO(mg/L)051015202530chl(181。從甲基對硫磷、西維因和克百威分配系數 Kd與改性 HA有機碳含量的關系可知（見圖 4）， Kd與 HA的有機碳含量成正比， 但相關性不高分別為： 、 ，這表明有機農藥在 HA上的吸附行為不是由 HA的有機碳含量唯一確定，還受到其他因素的影響。 案例 6 表 3 F r e u n d l i c h 方程擬合的 吸附等溫線回歸 方程 及相關系數（ R2） T a b le 3 F re u n d li c h r e g re ss io n i so th e rm a n d c o rre latio n c o e f f icie n t （ R2） 表面活性劑濃度（ m g/ L ） K n 回歸方程 R2 0 Q = 36C e1. 3927 Q = 72C e1. 0257 Q = 97C e1. 0242 Q = 61C e0. 9835 在下表中，作者將回歸方程的可決系數誤稱為 “ 相關系數 ” 。用 HA總有機碳標化有機農藥的吸附系數 Kd得有機碳標化吸附系數 Koc，有機農藥在 HA上的 Koc值見表 3。 案例 4 ? HA對有機農藥甲基對硫磷、西維因、克百威的吸附等溫線見圖 3，用線性吸附方程擬合甲基對硫磷、西維因和克百威的吸附等溫線，擬合結果見表 3。 ? 有相關性，顯著（ p） ?？傊?， Pb對金盞菊根部積累 Cd有抑制作用，而 Cd對金盞菊地上部吸收 Pb有抑制作用，對根部積累 Pb有促進作用。 ? 對于鳳仙花，其地上部積累 Cd量與所投加的 Pb量呈顯著正相關， 而根部卻與所投加的 Pb量呈負相關，但這種作用是不顯著的 ，因此可認為根部積累 Cd量與所投加的 Pb量無關，地上部和根部積累的 Pb量與所投加的 Cd量都呈負相關，只不過 對于前者是極顯著的，對于后者不顯著 ，因此可認為， Pb對鳳仙花地上部積累 Cd有顯著的促進作用，而 Cd對鳳仙花地上部積累 Pb有極顯著的抑制作用，兩種情況下對于根部卻都沒有明顯影響。 ? Friedman秩方差分析：用于檢驗 3個以上相關樣本是否來自大小相同的總體。該方法檢驗功效低，不推薦采用。 5 重要的數理統(tǒng)計學常識 ? 3)均值比較 ? d)比較多個來自非正態(tài)分布總體的樣本均值的檢驗方法： ? KruskalWallis檢驗：該方法基于順序變量設計，用于檢驗 3個以上獨立樣本是否來自大小相同的總體，是應用最廣泛的非參數檢驗方法。 ? 有關假定：多個樣本相互獨立、樣本均服從正態(tài)分布、方差同質性（各個樣本的方差大小沒有顯著差異）等。 ? 對于將因子作為固定處理（而不是隨機變量）的情形，即模型 1單因子方差分析，實際上可以看作比較 2個總體均值的 t檢驗的直接推廣。 ? Kolmogorov單側檢驗：適用于樣本量較小的樣本。 5 重要的數理統(tǒng)計學常識 ? 3)均值比較 ? C) 比較 2個獨立總體大小的非參數檢驗 ? 適用于對 2個順序變量的大小進行比較或對 2個不服從正態(tài)分布的數值變量的大小進行比較 ? “ MannWhitney U” 檢驗 :適合樣本量較大的樣本。 ? b)比較 2個獨立樣本均值： t檢驗（參數檢驗） ? 原假設： 2個樣本所代表的 2個總體的均值無顯著差異 ? 用于對 2個來自正態(tài)分布總體的樣本的大小進行比較，且 2個樣本相互獨立（無相關關系）。 5 重要的數理統(tǒng)計學常識 ? 3)均值比較 ? a)將樣本均值與某一特定值相比： t檢驗（參數檢驗） ? 原假設：總體均值與特定值無顯著差異 ? 前提：樣本來自正態(tài)分布的總體 ? 雙側檢驗：是否等于。后者比前者精確一些，建議采用。此檢驗無單尾、雙尾之分。 ? 不同的統(tǒng)計軟件給出了不同的檢驗方法。 單側檢驗與雙側檢驗 ? 在統(tǒng)計軟件中，可通過選擇 Test of Significance選項來控制所輸出的相伴概率是單尾（ 1 tailed）概率還是雙尾（ 2 tailed ）概率。取 α= ,則因 p大于 α ，故不能拒絕原假設（不是小概率事件）。 單側檢驗與雙側檢驗 ? 以下是 SPSS 中的單樣本 t檢驗輸出結果： ? OneSample Test（原假設：儲戶 1次平均存取的現(xiàn)金與 2021元無顯著差異） ? Test Value=2021（均值比較的參比值） ? t=(檢驗統(tǒng)計量的觀測值 ) ? df=312(自由度，樣本量 N=313) ? Sig.(2tailed)=（雙側相伴概率 p ） ? Mean Difference=（均值的標準誤差） ? 95% Confidence Interval of the Difference（總體均值與原假設值之差的 95%的置信區(qū)間） :~（有 95%的把握可認為：儲戶 1次平均存取的金額為 ~） ? 上述檢驗屬 “ 均值比較 ” ，是雙側檢驗（大于或小于 2021元都算拒絕原假設），計算的相伴概率也是雙側的。 ? 在顯著性水平一定的情況下（例如 α =），對于單尾表，單側檢驗時仍使用 α 進行統(tǒng)計推斷，雙側檢驗則用 α /2進行統(tǒng)計推斷；對于雙尾表，單側檢驗時改用 2α 進行統(tǒng)計推斷，雙側檢驗則用 α 進行統(tǒng)計推斷。 ? 在用 “ 查表法 ” 進行統(tǒng)計推斷時，基于單側小概率事件檢驗的臨界值表稱 “ 單尾表 ” ，基于雙側小概率事件檢驗的臨界值表稱 “ 雙尾表 ” 。 檢驗統(tǒng)計量的極端取值 ? 檢驗統(tǒng)計量在左側和右側均有可能取值 檢驗統(tǒng)計量的取值空間 單側檢驗與雙側檢驗 ? 一般情況下，概率分布函數曲線兩側尾端的小概率事件都要考慮（即雙側檢驗）。本文不對第 2）條承擔責任?？梢哉J為，相關系數越接近 1，則相關性越強。 有關相關分析的斷語 ? 1）顯著和不顯著：描述相關關系是否存在。只要計算出的檢驗統(tǒng)計量的相伴概率（ p值）低于事先確定的 α值，就可以認為檢驗結果 “ 顯著 ” （相關分析的原假設是 “ 相關系數為零 ” ，故此處的 “ 顯著 ” 實際意味著 “ 相關系數不為零 ” ，或說 “ 2個隨機變量間有顯著的相關關系 ” ）；同樣，只要計算出的檢驗統(tǒng)計量的相伴概率（ p值）高于事先確定的 α值，就可以認為檢驗結果 “ 不顯著 ” 。 ? 此外，作者在論文中常常用 “ 顯著相關 ” 和 “ 極顯著相關 ”來描述相關分析結果，即認為 p值小于 系（或顯著相關），小于 （或極顯著相關）。 ? 有時作者不是根據顯著性水平判斷相關關系是否顯著，而是根據相關系數的大小來推斷（相關系數越近 1，則相關關系越顯著）。 顯著性水平 ? 作者在描述相關分析結果時常有的失誤是：僅給出相關系數的值，而不給出顯著性水平。只有 p值高于 α值時，數據才服從正態(tài)分布。