你可能感兴趣的试题
确定回归方程的类型 确定两变量(因素)之间的相关性 确定回归方程中的回归系数 分析判断生产过程是否稳定 回归方程相关关系的判断
用来计算相关系数 是描述两个变量之间相关关系的最简单的回归模型 只涉及一个自变量 使用最小二乘法确定一元线性回归方程的系数 用来验证相关系数
两个变量之间不是对等关系 回归系数有正负号 两个变量都是随机的 利用一个回归方程，两个变量可以互相推算 有可能求出两个回归方程
一元线性回归预测方法是一种因果分析法 当预测对象与主要影响因素之间存在线性关系，可采用一元线性回归预测 在利用回归模型进行预测时，必须对回归系数、回归方程进行相关检验，以判定预测模型的合理性和适用性 相关检验系数的绝对值越接近1，表明其线性关系越好 一元线性回归分析的点结果比区间预测结果可信
判别分析是判别样本所属类型的一种多元统计方法，在生产、科研与日常生活中都经常用到 时间序列分析是依据某种准则对个体（样品或变量）进行分类的一种多元分类的一种多元统计分析方法 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系数 回归分析包括一元线性回归方程、二元线性回归方程、多元线性回归方程
检验回归系数b是否等于0 判断回归方程代表实测值的好坏 推断两变量间是否存在直线依存关系 确定回归方程的似合优度 检验两总体回归系数是否相等
偏回归系数 偏回归系数的标准误 标准偏回归系数 偏回归系数检验 t值 偏回归系数检验 P值
回归方程是根据最小二乘法确定的 判定系数 测度了回归直线的拟合程度 估计标准误差 测度了实际观测点在直线周围的散布程度 线性关系的检验是检验自变量与因变量之间的线性关系是否显著 回归系数的检验是检验自变量对因变量的影响是否显著
比未代码化时提高了计算的精度。 代码化后,可以通过直接比较各因子或因子间的交互作用的回归系数之绝对值以确定效应的大小，即回归系数之绝对值越大者该效应越显着；而未代码化时不能这样判断 代码化后,删除回归方程中某些不显着之项时，其它各项回归系数不变；未代码化时,在删除某些不显着之项时其它各项回归系数可能有变化 代码化后,回归方程式的常数项(截距)等于将自变数以＂0＂带入回归方程式后,输出变量(y)的预测值
确定回归方程的类型 确定两变量（因素）之间的相关性 确定回归方程中的回归系数 分析判断生产过程是否稳定 回归方程相关关系的判断
检验回归方程对样本数据的拟合程度，通过判定系数来分析 对回归方程线性关系的检验 对回归方程中回归系数显著性进行检验 序列相关性检验 多重共线性检验
用来计算相关系数 是描述两个变量之间相关关系的最简单的回归模型 只涉及一个自变量 使用最小二乘法确定一元线性回归方程的系数 用来验证相关系数
检验回归系数b是否等于0 检验两总体回归系数是否相等 检验回归方程的拟合优度 推断两变量是否存在直线依存关系 判断回归方程代表性的好坏
线性约束检验 若干个回归系数同时为零检验 回归系数的显著性检验 回归方程的总体线性显著性检验
湘公网安备 43130202000226号