全 文 ：中国生态农业学报 2008 年 11 月 第 16 卷 第 6 期
Chinese Journal of Eco唱Agriculture，Nov．2008，16（6）：1429唱1433
DOI： 10．3724／SP．J．1011．2008．01429
大豆植株性状相关性与产量回归分析倡 倡
韩秉进 潘相文 金 剑 王光华 刘长江 刘晓冰
（中国科学院东北地理与农业生态研究所 黑土生态重点实验室 哈尔滨 １５００８１）
摘 要 本文利用 ３ 个大豆品种、４ 种施肥模式条件下，植株产生的 １７ 个形态指标及产量差异，进行相关性分
析与产量回归分析。 结果表明，株高 x１、分枝数 x５、１ 粒荚数 x９、２ 粒荚数 x１０、３ 粒荚数 x１１、４ 粒荚数 x１２、百粒重
x１５、经济系数 x１６等 ８ 个大豆植株性状因子对产量有显著性影响；由标准化回归系数得知，对产量作用的大小
顺序为：x１１ ＞x１２ ＞x９ ＞x１０ ＞x１６ ＞x１５ ＞x１ ＞x５。 说明提高大豆产量首先要考虑增加有效荚数，其次是提高经济
系数，而增加百粒重和株高对于增产的效应较小。 育种上需加强生物量大、３ 粒荚和 ４ 粒荚数多、结荚节位低
的性状选择；栽培上需注重促进生物量生长、降低结荚节位的促控措施。
关键词 大豆 植株性状 相关性 产量回归
中图分类号：Ｓ５１３ 文献标识码：Ａ 文章编号：１６７１－３９９０（２００８）０６－１４２９－０５
Correlation and regression analysis of trait and yield of soybean
ＨＡＮ Ｂｉｎｇ唱Ｊｉｎ， ＰＡＮ Ｘｉａｎｇ唱Ｗｅｎ， ＪＩＮ Ｊｉａｎ， ＷＡＮＧ Ｇｕａｎｇ唱Ｈｕａ， ＬＩＵ Ｃｈａｎｇ唱Ｊｉａｎｇ， ＬＩＵ Ｘｉａｏ唱Ｂｉｎｇ
（Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｂｌａｃｋ Ｓｏｉｌ Ｅｃｏｌｏｇｙ， Ｎｏｒｔｈｅａｓｔ Ｉｎｓｔｉｔｕｔｅ ｏｆ
Ｇｅｏｇｒａｐｈｙ ａｎｄ Ａｇｒｏ唱ｅｃｏｌｏｇｙ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｈａｒｂｉｎ １５００８１， Ｃｈｉｎａ）
Abstract Ｃｏｒｒｅｌａｔｉｏｎ ａｎｄ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｅｓ ｗｅｒｅ ｐｅｒｆｏｒｍｅｄ ｂａｓｅｄ ｏｎ ｖａｒｉａｔｉｏｎｓ ｉｎ １７ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｔｒａｉｔｓ ａｎｄ ｙｉｅｌｄ ｏｂｔａｉｎｅｄ
ｆｒｏｍ ｆｉｅｌｄ ｅｘｐｅｒｉｍｅｎｔｓ ｏｎ ｔｈｒｅｅ ｓｏｙｂｅａｎ ｖａｒｉｅｔｉｅｓ ｗｉｔｈ ｆｏｕｒ ｆｅｒｔｉｌｉｚａｔｉｏｎ ｍｏｄｅｓ．Ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｅｉｇｈｔ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｔｒａｉｔｓ ｉｎｃｌｕ唱
ｄｉｎｇ ｐｌａｎｔ ｈｅｉｇｈｔ （x１ ）， ｂｒａｎｃｈ ｎｕｍｂｅｒ （ x５ ）， ｕｎｉ唱ｇｒａｉｎ ｐｏｄ （ x９ ）， ｄｉ唱ｇｒａｉｎ ｐｏｄ （ x１０ ）， ｔｒｉ唱ｇｒａｉｎ ｐｏｄ （ x１１ ）， ｔｅｔｒａ唱ｇｒａｉｎ ｐｏｄ
（ x１２）， １００ －ｇｒａｉｎ ｗｅｉｇｈｔ （x１５） ａｎｄ ｅｃｏｎｏｍｉｃ ｃｏｅｆｆｉｃｉｅｎｔ （x１６） ｈａｖｅ ｓｉｇｎｉｆｉｃａｎｔ ｉｍｐａｃｔ ｏｎ ｙｉｅｌｄ ｗｉｔｈ ｒｅｌａｔｉｖｅ ｅｆｆｅｃｔｓ （ ｆｒｏｍ ｓｔａｎｄ唱
ａｒｄ ｒｅｇｒｅｓｓｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ） ｉｎ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｏｒｄｅｒ： x１１ ＞x１２ ＞x９ ＞x１０ ＞x１６ ＞x１５ ＞x１ ＞x５．Ｅｎｈａｎｃｉｎｇ ｅｆｆｅｃｔｉｖｅ ｐｏｄ ｎｕｍｂｅｒ ｉｓ
ａｎ ｉｍｐｏｒｔａｎｔ ｆｉｒｓｔ ｓｔｅｐ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｓｏｙｂｅａｎ ｙｉｅｌｄ， ｆｏｌｌｏｗｅｄ ｂｙ ｉｍｐｒｏｖｉｎｇ ｅｃｏｎｏｍｉｃ ｃｏｅｆｆｉｃｉｅｎｔ．Ｉｎ ｃｏｍｐａｒｉｓｏｎ， ｉｎｃｒｅａｓｉｎｇ １００ －
ｇｒａｉｎ ｗｅｉｇｈｔ ａｎｄ ｐｌａｎｔ ｈｅｉｇｈｔ ａｒｅ ｌｅｓｓ ｓｉｇｎｉｆｉｃａｎｔ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｙｉｅｌｄ．Ｓｅｌｅｃｔｉｏｎ ｏｆ ｔｒａｉｔｓ ｗｉｔｈ ｈｉｇｈ ｂｉｏｍａｓｓ， ｍｏｒｅ ｔｒｉ唱ｇｒａｉｎ ｐｏｄ， ｔｅｔ唱
ｒａ唱ｇｒａｉｎ ｐｏｄ ａｎｄ ｌｏｗ ｐｏｄｄｉｎｇ ｎｏｄｅ ｓｉｔｅ ｓｈｏｕｌｄ ｂｅ ｅｍｐｈａｓｉｚｅｄ ｉｎ ｂｒｅｅｄｉｎｇ ａｎｄ ｄｅｖｅｌｏｐｉｎｇ ｒｅｇｕｌａｔｉｏｎ ｍｅａｓｕｒｅｓ ｔｏ ｅｎｈａｎｃｅ ｓｏｙｂｅａｎ
ｂｉｏｍａｓｓ．Ｄｅｓｃｅｎｄｉｎｇ ｐｏｄｄｉｎｇ ｎｏｄｅ ｓｉｔｅ ｓｈｏｕｌｄ ａｌｓｏ ｂｅ ａｄｏｐｔｅｄ ｉｎ ｓｏｙｂｅａｎ ｃｕｌｔｉｖａｔｉｏｎ．
Key words Ｓｏｙｂｅａｎ， Ｐｌａｎｔ ｔｒａｉｔ， Ｃｏｒｒｅｌａｔｉｏｎ， Ｙｉｅｌｄ ｒｅｇｒｅｓｓｉｏｎ
（Ｒｅｃｅｉｖｅｄ Ｓｅｐｔ．１９， ２００７； ａｃｃｅｐｔｅｄ Ｄｅｃ．３０， ２００７）
选育高产优质的作物品种、采用高效的栽培技
术，一直是农业科研工作者研究的主题［ １ －７］ 。 多年
以来，人们为了解作物植株相关性状与产量的关
系，以便做到更有效的性状选择和采取相应的栽培
措施，进行了一系列的研究［ ８ －１９］ 。 关于作物产量与
施肥、土壤条件、气候因子等的关系研究报道也较
多 ［２０ －２６］ 。 但在作物植株诸多性状与产量相关性分
析基础上，剔除自相关性强的自变量、建立较高精
度和稳定产量回归方程分析的报道较少［２７ －３１］ 。 本
研究利用相关分析，剖析大豆植株性状间的相互关
系及其对产量的影响，并通过共线性诊断、逐步回
归的方法，建立产量回归模型，进行产量分析，对各
回归变量的作用大小做出评价，从中找出产量的主
导性状因子，为大豆高产育种中各农艺性状的选择
和高产栽培技术提供理论依据。
1 材料与方法
1．1 数据来源与处理
数据来源于黑龙江省重点攻关课题“大豆超高
产试验示范与配套技术研究”。 试验设 ３ 个大豆品
种、４ 种施肥模式与用量，共 ２４ 组考种数据，每组数
据是 １５ 株大豆植株的平均值。 设计包含有品种、
施肥上的差异，使包括产量在内的植株性状指标充
倡 黑龙江省重点科技攻关课题（ＧＡ０６Ｂ１０１ －３）和中国科学院东北地理与农业生态研究所学科前沿领域项目（ＫＺＣＸ３ －ＳＷ －ＮＡ３ －２２）资助
韩秉进（１９５７ ～） ，男，博士，研究员，主要从事作物高产栽培理论与技术研究。 Ｅ唱ｍａｉｌ：ｈａｎｂｊ＠ｎｅｉｇａｅｈｒｂ．ａｃ．ｃｎ
收稿日期：２００７－０９－１９ 接受日期：２００７－１２－３０
中国生态农业学报 2008 第 16卷
分表达。 将这 ２４ 组考种测定的 １７ 个植株性状指
标，采用计算机 ＳＡＳ９．０ 统计软件处理，进行相关性
和多元回归分析。 多元回归首先利用共线性诊断
去掉了自变量中自相关性强、作用较小的变量，使
保留下来的所有自变量之间尽可能相互独立，将剩
余的自变量性状与因变量产量性状，采用逐步回归
法进行多元回归分析［ ３２，３３］ 。
1．2 调查项目
调查项目包括株高、结荚部位、主茎节数、结荚
节位、分枝数、地上干重、空瘪荚、１ 粒荚数、２ 粒荚
数、３ 粒荚数、４ 粒荚数、有效荚数、每荚粒数、百粒
重、经济系数、单株粒数、单株粒重。
2 结果与分析
2．1 大豆植株性状间的相关性
由表 １ 可以看出，单株产量与单株粒数、有效
荚数、地上干重、３ 粒荚数、每荚粒数、４ 粒荚数、经
济系数、百粒重都呈极显著的正相关，与分枝数呈
显著正相关，而与结荚节位呈极显著的负相关。 说
明要获得较高的产量，首先要考虑增加单株粒数、
增加百粒重、提高经济系数、降低结荚节位；通过增
加有效荚数、３ 粒荚数和 ４ 粒荚数，从而增加每荚粒
数和单株粒数。 从表 １ 还可看出，大豆的百粒重 x１５
与分枝数、地上干重、３ 粒荚数、有效荚数、经济系数
呈显著或极显著正相关，与结荚部位、结荚节位呈
显著或极显著负相关。 欲提高百粒重，栽培上需考
虑增加 ３ 粒荚数和地上干重、降低结荚部位性状的
措施，育种上则要注意相关性状的选择。 经济系数
与 ３ 粒荚数、有效荚数呈显著或极显著正相关，而
与株高、结荚部位、主茎节数、结荚节位成显著或极
显著负相关。 欲提高品种的经济系数，在育种性状
选择上要考虑 ３ 粒荚数多、低株高、低结荚部位性
状的选择。 ３ 粒荚数和 ４ 粒荚数都与地上干重极显
著正相关，与结荚节位显著或极显著负相关，因此
欲增加 ３ 粒荚数和 ４ 粒荚数，育种上也需加强生物
量大、结荚节位低的性状选择，栽培上需注重相应的
促进生物量生长、降低结荚节位的促控措施。
2．2 共线性诊断
当回归模型中自变量之间存在高度线性关系
时，会造成模型估计量的稳定性差，必须通过共线
性诊断，排除自相关性强的自变量。 本研究以产量
为因变量，其他 １６ 个性状为自变量，输入 ＳＡＳ 程序
进行共线性诊断。 结果是条件指数 K ＝６４ ７８４，远
远大于 ３０，而在变量 １ 粒荚数、２ 粒荚数、３ 粒荚数、
４ 粒荚数、有效荚数等 ５ 个性状上的方差比率都在
０．９９ 以上，远超过 ５０％，说明这 ５ 个自变量性状之
间有严重的多重共线性［３３］ 。 去掉 １ 个综合性性状
有效荚数，再次诊断。 这样反复进行，每次去掉 １
个综合性强或作用较小的变量。 共进行了 ６ 次诊
断，先后剔除了有效荚数、单株粒数、每荚粒数、地
上部干重、结荚部位等 ５ 个变量。 诊断后保留下来
的 １１ 个自变量性状之间基本相互独立，然后利用
这 １１ 个自变量性状因子为自变量，产量为因变量
进行逐步回归筛选变量，进行多元回归分析。
2．3 变量筛选及回归方程建立
经过共线性诊断保留下来的 １１ 个自变量，对
因变量的影响不一定都有显著性意义，需要根据各
自变量对因变量的贡献大小进行变量筛选，从而求
出精炼、稳定的回归方程。 本研究筛选变量的方法
是采用最常用的逐步回归法。 模型中的变量从无
到有，根据各变量的 F 统计量及 P 值决定是否进入
模型。 规定选变量进入方程的显著性水平为 SLE ＝
０．３，当 P ＜０．３，则该变量入选，否则不能入选；规定
从方程中剔除变量的显著性水平为 SLS ＝０．１，当 P
＜０．１，则将此变量保留在方程中，否则将变量从方
程中剔除［２０，２１，３２］ 。 并要求求出标准化回归参数的
估计值（STB）。
经过逐步回归法筛选，１１ 个自变量中有 ８ 项指
标对产量的贡献达到显著水平，其余指标的作用均
不显著。 表 ２ 列出了逐步回归法选出的自变量与
系数。 产量回归方程为：
y ＝－１１．５５９ ５ ＋０．０２４ ９x１ －１．２６０ １x５ ＋
０．３８３ ７x９ ＋０．１５２ ６x１０ ＋０．４３９ ８x１１ ＋０．３３６ ９x１２ ＋
０．４０６ ９x１５ ＋７．７６７ ７x１６ （n ＝２４，R ＝０．９９２ ９，
F ＝１３１．１４，Pr ﹤ ０．０００ １） （１）
2．4 模型检验及解释
为直观检验产量回归方程的拟合程度，绘制了
残差图（图 １）。 由因变量预测值与残差的标准差的
关系（残差图）可以看出，方程的拟合较好，实际观
测值与预测值的拟合检验时，尽管标准化残差中尚有
１ 个大于 ２ 的点，但模型的决定系数 R２ ＝０．９８５ ９，检
验统计量 F ＝１３１．１４，Pr﹤ ０．０００ １，达到极显著水
平，剩余标准差 S 也仅为 ０．０５８ ６ 。 说明模型的精
确度较高，９８．５９％大豆产量变异是株高、分枝数、
有效荚数、百粒重和经济系数影响的结果 ［ ３４，３５ ］ 。
因此，可以实际应用模型进行因变量与自变量关
系的解析，对各回归变量的作用大小做出评价，利
用回归方程对因变量进行预测、对自变量进行控
制等。
由表 ２ 和回归方程可以看出，株高 x１ 、分枝数
x５ 、１ 粒荚数 x９、２ 粒荚数 x１０ 、３ 粒荚数 x１１ 、４ 粒荚数
x１２ 、百粒重 x１５ 、经济系数 x１６等 ８ 个大豆植株性状因
子对产量有显著性影响。 方程中的回归系数表明，
0341
表
1
大
豆
植
株
性
状
间
的
相
关
系
数
Ｔａｂ
．１
Ｃｏｒ
ｒｅｌａ
ｔｉｏｎ
ｃｏｅｆ
ｆｉｃｉｅ
ｎｔａ
ｍｏｎ
ｇｓｏ
ｙｂｅ
ａｎｐ
ｌａｎｔ
ｔｒａｉｔ
ｓ
项
目 Ｉｔｅｍ
株
高 Ｐｌａ
ｎｔ
ｈｅｉ
ｇｈｔ x １
结
荚
部
位
Ｌｏｗ
ｅｓｔ
ｐｏｄ
ｄｉｎ
ｇ
ｈｅｉ
ｇｈｔ x ２
主
茎
节
数
Ｎｏｄ
ｅｓ
ｎｕｍ
ｂｅｒ
ｏｆ
ｍａｉ
ｎｓ
ｔｅｍ x ３
结
荚
节
位
Ｎｏｄ
ｅｓｉ
ｔｅ
ｏｆｐ
ｏｄｄ
ｉｎｇ
x ４
分
枝
数
Ｂｒａ
ｎｃｈ
ｉｎｇ
ｎｕｍ
ｂｅｒ x ５
地
上
干
重
Ｓｈｏ
ｏｔｄ
ｒｙ
ｗｅｉ
ｇｈｔ x ６
空
瘪
荚
数
Ｎｉｌ
唱ｇｒａ
ｉｎ
ｐｏｄ ｎｕｍ
ｂｅｒ x ８
１粒
荚
数
Ｕｎｉ
唱ｇｒａ
ｉｎ
ｐｏｄ ｎｕｍ
ｂｅｒ x ９
２粒
荚
数
Ｄｉ唱
ｇｒａ
ｉｎ
ｐｏｄ ｎｕｍ
ｂｅｒ x １０
３粒
荚
数
Ｔｒｉ唱
ｇｒａｉ
ｎ
ｐｏｄ ｎｕｍ
ｂｅｒ x １１
４粒
荚
数
Ｔｅｔ
ｒａ唱ｇ
ｒａｉｎ
ｐｏｄ ｎｕｍ
ｂｅｒ x １２
有
效
荚
数
Ｅｆｆｅ
ｃｔｉｖ
ｅ
ｐｏｄ ｎｕｍ
ｂｅｒ x １３
每
荚
粒
数
Ｇｒａ
ｉｎ
ｎｕｍ
ｂｅｒ
ｐｅｒ
ｐｏｄ x １４
百
粒
重
１００
唱ｇｒａ
ｉｎ
ｗｅｉ
ｇｈｔ x １５
经
济
系
数
Ｅｃｏ
ｎｏｍ
ｉｃａｌ
ｃｏｅ
ｆｆｉｃ
ｉｅｎ
ｔ
x １６
单
株
粒
数
Ｇｒａ
ｉｎ
ｎｕｍ
ｂｅｒ
ｐｅｒ
ｐｌａ
ｎｔ
x １７
单
株
粒
重
Ｇｒａ
ｉｎ
ｗｅｉ
ｇｈｔ
ｐｅｒ
ｐｌａ
ｎｔ
x １８
x １
１．０
００
０
x ２
０．８
８７
７倡倡
１．０
００
０
x ３
０．４
５５
７倡
０．４
４８
５倡
１．０
００
０
x ４
０．２
４８
６
０．４
３９
２倡
０．８
０３
１倡倡
１．０
００
０
x ５
－０
．０２
９９
－０
．１５
８９
－０
．２５
８３
－０
．３７
８５
１．０
００
０
x ６
０．４
３６
７倡
０．０
８８
７
－０
．００
９０
－０
．３６
０６
０．３
８４
７
１．０
００
０
x ８
－０
．０２
０４
－０
．００
７９
－０
．０６
１９
－０
．１１
６０
０．４
０９
５倡
０．０
２１
１
１．０
００
０
x ９
－０
．２９
３６
－０
．２５
３５
０．１
５５
３
０．２
７５
１
０．０
４３
２
－０
．１２
４８
０．０
３７
８
１．０
００
０
x １０
－０
．１０
３４
－０
．１８
６５
０．１
２４
９
０．１
１５
２
０．２
３５
６
０．１
６７
４
０．５
９３
８倡倡
０．５
１９
４倡倡
１．０
００
０
x １１
０．２
１７
８
－０
．１１
５３
－０
．２６
８１
－０
．５９
７７
倡倡
０．５
１４
８倡
０．８
８７
９倡倡
０．０
１３
８
－０
．３１
４４
０．０
０６
５
１．０
００
０
x １２
０．２
７９
１
０．０
６８
２
－０
．１５
１０
－０
．４３
３１
倡
０．２
０１
１
０．７
４３
２倡倡
－０
．２７
３８
－０
．３４
５６
－０
．３８
０６
０．７
２１
２倡倡
１．０
００
０
x １３
０．１
１０
９
－０
．２０
５１
－０
．１１
９０
－０
．４０
０９
０．５
２５
３倡倡
０．８
７４
１倡倡
０．２
２９
０
０．１
８８
８
０．５
１２
０倡
０．８
０８
０倡倡
０．５
２３
４倡倡
１．０
００
０
x １４
０．２
８６
６
０．０
３９
９
－０
．２５
４９
－０
．５５
３３
倡倡
０．２
９３
７
０．７
５１
２倡倡
－０
．１７
８８
－０
．５９
８８倡
倡
－０
．４１
１７
倡
０．８
６１
６倡倡
０．８
９８
７倡倡
０．４
９９
４倡
１．０
００
０
x １５
－０
．３７
３３
－０
．５８
９０
倡倡
－０
．３１
７５
－０
．４１
４２
倡
０．５
１６
４倡倡
０．４
０８
４倡
０．１
０１
８
０．０
１１
２
０．２
５０
７
０．５
４９
２倡倡
０．２
６０
１
０．５
６７
９倡倡
０．３
４９
２
１．０
００
０
x １６
－０
．５１
４６
倡 －
０．６
４８
０倡倡
－０
．５２
６０
倡倡
－０
．５６
３４
倡倡
０．３
７３
０
０．３
２１
４
－０
．０２
３８
０．２
９２
４
０．２
０６
７
０．４
９６
６倡
０．３
００
６
０．５
９３
１倡倡
０．２
７８
３
０．７
１９
８倡倡
１．０
００
０
x １７
０．２
０３
２
－０
．１２
９６
－０
．１８
４８
－０
．５１
５０
倡
０．５
０５
５倡
０．９
４６
３倡倡
０．０
９８
１
－０
．０９
６４
０．２
１６
０
０．９
３６
８倡倡
０．７
５１
２倡倡
０．９
３９
４倡倡
０．７
６４
４倡倡
０．５
５２
６倡倡
０．５
４３
４倡倡
１．０
００
０
x １８
０．１
３３
８
－０
．２０
５３
－０
．２１
６０
－０
．５１
７６
倡倡
０．４
６１
６倡
０．９
２１
３倡倡
０．０
０８
９
０．０
１８
１
０．２
２４
３
０．９
０８
２倡倡
０．６
９７
２倡倡
０．９
３４
１倡倡
０．７
００
５倡倡
０．６
２６
２倡倡
０．６
５９
８倡倡
０．９
６８
７倡倡
１．０
００
０
倡表
示
在
５％
水
平
显
著
；倡倡
表
示
在
１％
水
平
显
著
。倡
ｍｅａ
ｎｓ
ｓｉｇｎ
ｉｆｉｃ
ａｎｔ
ｄｉｆｆ
ｅｒｅ
ｎｃｅ
ａｔ０
．０５
；倡倡
ｍｅａ
ｎｓ
ｓｉｇｎ
ｉｆｉｃ
ａｎｔ
ｄｉｆｆ
ｅｒｅ
ｎｃｅ
ａｔ０
．０１
．
中国生态农业学报 2008 第 16卷
表 2 逐步回归法选出的自变量与系数
Ｔａｂ．２ Ｐａｒａｍｅｔｅｒｓ ａｎｄ ｃｏｅｆｆｉｃｉｅｎｔｓ ｓｅｌｅｃｔｅｄ ｆｒｏｍ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｓｔｅｐｗｉｓｅ ｒｅｇｒｅｓｓ ａｎａｌｙｓｉｓ
变量 自由度 系数 标准误 T 值 显著水平 Ｓｉｇｎｉｆｉｃａｎｔ ｌｅｖｅｌ 标准化回归系数
Ｖａｒｉａｂｌｅ ＤＦ Ｃｏｅｆｆｉｃｉｅｎｔ Ｓｔａｎｄａｒｄ ｅｒｒｏｒ T ｖａｌｕｅ Pr ＞ ｜t｜ Ｓｔａｎｄａｒｄｉｚｅｄ ｒｅｇｒｅｓｓ ｃｏｅｆｆｉｃｉｅｎｔ
截距 Ｉｎｔｅｒｃｅｐｔ １ －１１．５５９ ５ ２．４１２ ７ －４．７９ ０．０００ ２ ０．０００ ０
x１ １ ０．０２４ ９ ０．００９ ７ ２．５６ ０．０２１ ６ ０．１３０ ８
x５ １ －１．２６０ １ ０．４７２ ２ －２．６７ ０．０１７ ５ －０．１０６ ７
x９ １ ０．３８３ ７ ０．０８９ ０ ４．３１ ０．０００ ６ ０．２１３ ９
x１０ １ ０．１５２ ６ ０．０３８ ２ ４．００ ０．００１ ２ ０．１８４ ６
x１１ １ ０．４３９ ８ ０．０５１ ３ ８．５８ ＜０．０００ １ ０．６４４ １
x１２ １ ０．３３６ ９ ０．０６８ ８ ４．９０ ０．０００ ２ ０．２７６ ７
x１５ １ ０．４０６ ９ ０．１５８ ９ ２．５６ ０．０２１ ８ ０．１３７ ６
x１６ １ ７．７６７ ７ ３．２５７ ７ ２．３８ ０．０３０ ７ ０．１６４ ２
８ 个大豆植株性状对产量增产效应大小顺序为：
x１６ ＞x１１ ＞x１５ ＞x９ ＞x１２ ＞x１０ ＞x１；其中作用最大的是
经济系数 x１６ ，作用最小的是株高 x１ ；而分枝数 x５ 对
产量有负向效应。 由于方程中的偏回归系数受单
位的干扰，要比较各自变量对因变量产量 y 作用的
大小，需要用标准化回归系数［ ２９，３２，３３］ 。 由表 ２ 可以
看出，标准化回归系数大小顺序为：x１１ ＞x１２ ＞x９ ＞
x１０ ＞x１６ ＞x１５ ＞x１ 。 说明增加大豆有效荚数、经济系
数、百粒重和株高对于增产的效应依次减小。 而 x５
分枝对产量起到了负向作用，说明该地区适合栽培
主茎型大豆品种而不是分枝型大豆品种，主茎型大
豆品种的合理密植是获取产量的重要因素。
图 1 产量回归分析残差图
Ｆｉｇ．１ Ｓｔａｎｄａｒｄ ｒｅｓｉｄｕａｌ ｐｌｏｔ ｏｆ ｒｅｇｒｅｓｓ ａｎａｌｙｓｉｓ ｏｎ ｙｉｅｌｄ
3 讨论
大豆的单株产量与单株粒数、有效荚数、地上
干重、３ 粒荚数、每荚粒数、４ 粒荚数、经济系数、百
粒重和分枝数都显著或极显著正相关。 说明要获
得较高的产量，首先要考虑增加单株粒数、百粒重，
提高经济系数；通过增加有效荚数、３ 粒荚数、４ 粒
荚数，从而增加每荚粒数和单株粒数。 大豆的百粒
重与分枝数、地上干重、３ 粒荚数、有效荚数、经济系
数呈显著或极显著正相关，与结荚部位、结荚节位
呈显著或极显著负相关，因此欲提高百粒重，栽培
上需考虑增加 ３ 粒荚数和地上干重、降低结荚部位
性状的措施，育种上则要注意相关性状的选择。
从大豆的单株产量与诸多性状逐步回归选元
结果分析，影响大豆产量的主要因子是经济系数、
分枝数、有效荚数（２ 粒荚数、１ 粒荚数、３ 粒荚数、４
粒荚数）、百粒重、株高；从多元回归的标准化回归
系数分析，欲提高大豆产量，首先要考虑增加大豆
有效荚数（尤其是增加 ３ 粒荚数和 ４ 粒荚数），其次
是提高经济系数，而增加百粒重和株高对增产的效
应较小。
由于大豆的 ３ 粒荚数和 ４ 粒荚数都与地上干重
极显著正相关，与结荚节位显著或极显著负相关，
因此欲增加 ３ 粒荚数和 ４ 粒荚数，育种上也需加强
生物量大、结荚节位低的性状选择；栽培上需注重
采取相应的促进生物量生长、降低结荚节位的促控
措施。 由于经济系数与 ３ 粒荚数、有效荚数呈显著
或极显著正相关，而与株高、结荚部位、主茎节数、
结荚节位呈显著或极显著负相关关系，因此欲提高
品种的经济系数，在育种性状选择上要考虑增加 ３
粒荚数和降低株高、降低结荚部位性状的选择。 研
究表明，大豆分枝对产量起到了负向作用，说明该
地区更适合栽培主茎型大豆品种，配合合理密植是
获取较高产量的有效措施。
参考文献
［１］ 赵团结， 盖钧镒， 李海旺， 等．超高产大豆育种研究的
进展与讨论［Ｊ］．中国农业科学，２００６，３９（１）：２９ －３７
［２］ 满为群，杜维广，张桂茹， 等．高光效大豆几项光合生
理指标的研究［Ｊ］．作物学报， ２００３，２９（５）：６９７ －７００
2341
第 6期 韩秉进等：大豆植株性状相关性与产量回归分析
［３］ 王铁军， 张海泉．大豆育种工作的现状与展望［ Ｊ］．沈
阳农业大学学报，２０００，３１（４）：３７５ －３７９
［４］ Ｒｏｓｅｎｚｗｅｉｇ Ｖ．Ｅ．， Ｇｏｌｏｅｎｋｏ Ｄ．Ｖ．， Ｄａｖｙｄｅｎｋｏ Ｏ．Ｇ．，
et al．Ｂｒｅｅｄｉｎｇ ｓｔｒａｔｅｇｉｅｓ ｆｏｒ ｅａｒｌｙ ｓｏｙｂｅａｎｓ ｉｎ Ｂｅｌａｒｕｓ
［Ｊ］．Ｐｌａｎｔ Ｂｒｅｅｄｉｎｇ，２００３， １２２： ４５６ －４５８
［５］ 李新民．大豆群体结构的研究［ Ｊ］．大豆科学，１９９０，
９（３）：１８５ －１９０
［６］ 刘忠堂．大豆窄行密植高产栽培技术的研究［Ｊ］．大豆
科学，２００２，２１（２）：１１７ －１２２
［７］ Ｃｕｉ Ｓ．Ｙ．， Ｙｕ Ｄ．Ｙ．Ｅｓｔｉｍａｔｅｓ ｏｆ ｒｅｌａｔｉｖｅ ｃｏｎｔｒｉｂｕｔｉｏｎ ｏｆ
ｂｉｏｍａｓｓ， ｈａｒｖｅｓｔ ｉｎｄｅｘ ａｎｄ ｙｉｅｌｄ ｃｏｍｐｏｎｅｎｔｓ ｔｏ ｓｏｙｂｅａｎ
ｙｉｅｌｄ ｉｍｐｒｏｖｅｍｅｎｔｓ ｉｎ Ｃｈｉｎａ［ Ｊ］．Ｐｌａｎｔ Ｂｒｅｅｄｉｎｇ， ２００５，
１２４ （５）： ４７３ －４７６
［８］ 战勇，罗赓彤，刘胜利，等．春大豆性状的多元遗传分析
及应用分析［Ｊ］．新疆农业科学， ２０００ （２）：５５ －５９
［９］ 张玉先，张瑞朋．主成分分析在大豆产量与相关性状中
的应用［Ｊ］．河北农业科学，２００４，８（３）：１０７ －１０９
［１０］ 宁海龙，李文霞，潘相文，等．大豆氨基酸组分影响蛋
白质含量的通径分析［ Ｊ］．大豆科学，２００２，２１ （４）：
２５９ －２６２
［１１］ 宁海龙，李文霞，王继安，等．黑龙江省大豆蛋白质油
分及蛋白质组分类型［ Ｊ］．作物学报，２００３，２９ （４）：
５５１ －５５６
［１２］ 孙宪印，吴科，钱兆国，等．黄淮冬麦区北片水地组供
试小麦品种（系）主要品质性状的主成分分析和聚类
分析［Ｊ］．山东农业科学， ２００６ （１）：２４ －２６
［１３］ 宋志伟，杨首乐．春性小麦品种主要农艺性状与产量
的相关及通径分析［Ｊ］．中国农学通报， ２００６，２２（５）：
１７４ －１７６
［１４］ 宋启建，吴天侠，邱家驯，等．夏大豆群体结构对不同
类型品种产量及农艺性状的影响［ Ｊ］．大豆科学，
１９９５，１４（１）：４０ －４６
［１５］ 余泽高， 方燕妮．小麦经济系数与其它若干性状关系
的研究［Ｊ］．湖北农学院学报， ２００２， ２２（６）：４８６ －４９３
［１６］ 季彪俊，孙依斌，郑喻．旱作对籼粳稻产量及相关性状
的影响［Ｊ］．中国农学通报， ２００６，２２（７）：１７８ －１８２
［１７］ 庄萍萍，李伟，魏育明，等．波斯小麦农艺性状相关性
及主成分分析 ［ Ｊ］．麦类作物学报，２００６，２６ （４）：
１１ －１４
［１８］ Ｂｏａｒｄ Ｊ．Ｅ．， Ｋａｎｇ Ｍ．Ｓ．， Ｈａｒｖｉｌｌｅ Ｂ．Ｇ．Ｐａｔｈ ａｎａｌｙｓｅｓ
ｏｆ ｔｈｅ ｙｉｅｌｄ ｆｏｒｍａｔｉｏｎ ｐｒｏｃｅｓｓ ｆｏｒ ｌａｔｅ唱ｐｌａｎｔｅｄ ｓｏｙｂｅａｎ
［Ｊ］．Ａｇｒｏｎｏｍｙ Ｊｏｕｒｎａｌ， １９９９， ９１：１２８ －１３５
［１９］ Ｍａｃｈｉｋｏｗａ Ｔ．， Ｗａｒａｎｙｕｗａｔ Ａ．， Ｌａｏｓｕｗａｎ Ｐ．Ｒｅｌａｔｉｏｎ唱
ｓｈｉｐｓ ｂｅｔｗｅｅｎ ｓｅｅｄ ｙｉｅｌｄ ａｎｄ ｏｔｈｅｒ ｃｈａｒａｃｔｅｒｓ ｏｆ ｄｉｆｆｅｒｅｎｔ
ｍａｔｕｒｉｔｙ ｔｙｐｅｓ ｏｆ ｓｏｙｂｅａｎ ｇｒｏｗｎ ｉｎ ｄｉｆｆｅｒｅｎｔ ｅｎｖｉｒｏｎｍｅｎｔｓ
ａｎｄ ｌｅｖｅｌｓ ｏｆ ｆｅｒｔｉｌｉｚｅｒ ［ Ｊ］．Ｓｃｉｅｎｃｅ Ａｓｉａ， ２００５， ３１：
３７ －４１
［２０］ 季彪俊．影响水稻产量因子的研究［ Ｊ］．西南农业大
学学报：自然科学版，２００５，２７（５）：５７９ －５８３．
［２１］ 付凤玲，周树峰，潘光堂，等．玉米耐旱系数的多元回
归分析［Ｊ］．作物学报，２００３，２９（３）：４６８ －４７２
［２２］ 李卫东，卢为国，梁慧珍，等．大豆蛋白质含量与生态
因子关系的研究 ［ Ｊ］．作物学报， ２００４，３０ （ １０ ）：
１６０５ －１０６８
［２３］ Ｌｏｂｅｌｌ Ｄ．Ｂ．， Ｏｒｔｉｚ唱Ｍｏｎａｓｔｅｒｉｏ Ｊ．Ｉ．， Ａｓｎｅｒ Ｇ．Ｐ．， et
al．Ａｎａｌｙｓｉｓ ｏｆ ｗｈｅａｔ ｙｉｅｌｄ ａｎｄ ｃｌｉｍａｔｉｃ ｔｒｅｎｄｓ ｉｎ Ｍｅｘｉｃｏ
［Ｊ］．Ｆｉｅｌｄ Ｃｒｏｐｓ Ｒｅｓｅａｒｃｈ， ２００５， ９４： ２５０ －２５６
［２４］ Ｋａｌｉｖａｓ Ｄ．Ｐ．， Ｋｏｌｌｉａｓ Ｖ．Ｊ．Ｅｆｆｅｃｔｓ ｏｆ ｓｏｉｌ， ｃｌｉｍａｔｅ ａｎｄ
ｃｕｌｔｉｖａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ ｏｎ ｃｏｔｔｏｎ ｙｉｅｌｄ ｉｎ Ｃｅｎｔｒａｌ Ｇｒｅｅｃｅ，
ｕｓｉｎｇ ｄｉｆｆｅｒｅｎｔ ｓｔａｔｉｓｔｉｃａｌ ｍｅｔｈｏｄｓ［Ｊ］．Ａｇｒｏｎｏｍｉｅ， ２００１，
２１：７３ －８９
［２５］ Ｃｏｘ Ｍ．Ｓ．， Ｇｅｒａｒｄ Ｐ．Ｄ．， Ｗａｒｄｌａｗ Ｍ．Ｃ．， et al．Ｖａｒｉ唱
ａｂｉｌｉｔｙ ｏｆ ｓｅｌｅｃｔｅｄ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ ａｎｄ ｔｈｅｉｒ ｒｅｌａｔｉｏｎｓｈｉｐｓ
ｗｉｔｈ ｓｏｙｂｅａｎ ｙｉｅｌｄ［ Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ
Ｊｏｕｒｎａｌ， ２００３，６７： １２９６ －１３０２
［２６］ 韩秉进．松嫩平原黑土区玉米生产氮磷配合肥效优化
模型的研究［Ｊ］．土壤学报， １９９８，３５（３）：３９２ －３９７
［２７］ 谭禾平，王桂跃，胡贤女，等．影响玉米产量效应因子
的多元回归与通径分析［ Ｊ］．浙江农业学报， ２００６，
１８（４）：２３８ －２４０
［２８］ 黄大辉，彭懿紫，黄天进，等．杂交水稻主要性状的多重
逐步回归和通径分析［ Ｊ］．广西农业生物科学，２００４，
２３ （２） ：１００ －１０３
［２９］ 刘廷辉．食用大麦八个农艺性状与其产量的多元回归
分析［Ｊ］．大麦科学，２００４ （１）：７ －９
［３０］ Ｂｏａｒｄ Ｊ．Ｅ．Ａ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｔｏ ｐｒｅｄｉｃｔ ｓｏｙｂｅａｎ ｃｕｌｔｉ唱
ｖａｒ ｙｉｅｌｄ ｐｅｒｆｏｒｍａｎｃｅ ａｔ ｌａｔｅ ｐｌａｎｔｉｎｇ ｄａｔｅｓ［ Ｊ］．Ａｇｒｏｎｏ唱
ｍｙ Ｊｏｕｒｎａｌ， ２００２， ９４（３）： ４８３ －４９２
［３１］ Ｎａｔａｒａｊａｎ Ｓ．， Ｋｕｍａｒｅｓａｎ Ｇ．Ｒ．， Ｓａｓｉｋａｌａ Ｓ．Ｃｏｒｒｅｌａｔｉｏｎ
ａｎｄ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ ａｍｏｎｇ ｓｏｍｅ ａｇｒｏｎｏｍｉｃ ｃｈａｒａｃｔｅｒｓ
ｉｎ ｓｏｙｂｅａｎ［Ｊ］．Ｒｅｓ．ｏｎ Ｃｒｏｐｓ， ２００６， ７ （１）： ３６３ －３６５
［３２］ 胡良平．现代统计学与 ＳＡＳ应用［Ｍ］．北京：军事医
学科学出版社，２００２：２４８ －２６３
［３３］ 岳朝龙，黄永兴，严忠．ＳＡＳ 系统与经济统计分析
［Ｍ］．合肥：中国科学技术大学出版社， ２００３：
２６５ －３１０
［３４］ 马育华．试验统计 ［Ｍ］．北京：农业出版社，
１９９８：２７２ －３１８
［３５］ 陶勤南．回归分析与回归设计［ Ｊ］．北京农业科学，
１９８４ （专集）：１ －７６
3341