elisa试验中，怎么绘制标准曲线。标准品的浓度怎么计算，OD值为纵坐标，标准品的浓度为横坐标吗？？

方法：
1、拟和曲线：
输入第一行： 浓度值， 如0 10 50 100 400
输入第二行：该浓度下的调整后的od值，如0 0586 1397 1997 342

选择这些输入的数据，用插入里的图表按钮，进入图表向导，在“标准类型”中选择“xy散点图”；在“子图表类型”中选择“折线散点图”，按“下一步”；选择“系列产生在行”，按“下一步”；数据标志，可以填写：如数据y轴，OD值；数据x轴，浓度；按下一步，点击完成。可得曲线图。

单击曲线，按右键，选择“添加趋势线”，在类型中，选择多项式；在选项中，选择显示公式，选择显示R平方值。
得到公式和R平方值。

也可以用上面说的方法： 双击图表，把它输入到图表的数据中，就可以拟和曲线。

2、计算浓度：
第一次实验：
标准曲线为：
y = -4E-05x2 + 0026x
R2 = 09745
为例，已知OD值，计算浓度。
由于y = -4E-05x2 + 0026x，所以可以得到：
4E-05x2 －0026x ＋y＝0
ax2 ＋bx ＋y＝0
a＝4E-05；b＝ －0026；
x＝（－b－（bb－4ay）（平方根）） /(2a)
代入a，b，和y值，得
x＝（0026－（00260026-000016y）(平方根）)/(2000004）
在excel里可以用以下公式表示：
x＝(0026-EXP(LN(00260026-000016y)/2))/(2000004)

通用公式为：
x＝（－b－EXP(LN（bb－4ay）/2)）/(2a)
您可以应用excel的公式拷贝功能，计算所有浓度

标准曲线回归方程公式：y=（a+bx）/x 。两个变数间呈现曲线关系的回归，曲线回归是建立不同变量间相关关系的非线性数学模型数量关系式的统计方法。农业化学中各种因素间的相互关系多数是曲线关系。曲线回归分析或非线性回归分析：以最小二乘法分析曲线关系资料在数量变化上的特征和规律的方法。

线性回归实际用途：

1如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。

2给定一个变量y和一些变量X1,,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。

R是标准曲线相关系数是由你输入的数据自动生成的。
线性（相关性）达到两个9；高浓度点吸光度下降不太严重；曲线的截距不太高。
争取线性（相关性）达到三个9；严格 *** 作，杜绝干扰。降低空白试验的吸光度值，尽量小于0100；水、试剂和器皿三方面检查。

使用Eviews很方便，点Eviews上面uick---------Estimate Equation,看看可决系数就可以了。
或者：（1）计算残差平方和Q=∑(y-y)^2和∑y^2，其中，y代表的是实测值，y代表的是预测值；
（2）拟合度指标RNew=1-(Q/∑y^2)^(1/2)
Rnew是最近才出现的用于判定非线性回归方程的拟合度的统计参数，现在我还没有看到它的中文名称。之所以用角标new就是为了和线性回归方程的判定系数R2、adjusted R2进行区别。在对方程拟合程度的解释上，Rnew和R2、adjusted R2是等价的，其意义也相同。
对线性方程：
R^2==∑(y预测-y)^2/==∑(y实际-y)^2，y是平均数。如果R2=0775，则说明变量y的变异中有775％是由变量X引起的。当R2＝1时，表示所有的观测点全部落在回归直线上。当R2=0时，表示自变量与因变量无线性关系。
拟合优度是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R^2。R^2的取值范围是[0，1]。R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归直线对观测值的拟合程度越差。

---