你可能感兴趣的试题
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著;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著之项时,其它各项回归系数不变;未代码化时,在删除某些不显著之项时其它各项回归系数可能有变化。 由于代码化后,各因子或因子间的交互作用的回归系数之估计量间相互无关,如果在对系数进行系数显著性检验时,某系数P—value较大(例如大于0.2),证明它们效应不显著,可以直接将其删除;而未代码化时,各项回归系数间可能有关,因而即使某系数系数显著性检验时的P—value较大,也不能冒然删除。
若tb的绝对值大于t,说明变量x和y之间线性假设不合理 若tb的绝对值小于t,说明变量x和y之间线性假设不合理 若tb的绝对值等于t,说明变量x和y之间线性假设合理 若tb的绝对值等于t,表明回归系数为0的可能性较大,回归系数显著
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
可确定两变量之间因果的数量关系 可确定两变量的相关方向 可确定两变量相关的密切程度 可确定因变量的实际值与估计值的变异程度 可确定当自变量增加一个单位时, 因变量的平均增加量
直线回归方程越好 回归直线估计的效果越好 回归直线的斜率越大 回归直线的截距越大 回归方程越有价值
能用直线回归方程描述两变量间的关系。因为回归系数 b的假设检验与相关系数 r的假设检验等价,既然 r的假设检验 P=0.007,可认为两变量间有直线回归关系,所以能用直线回归方程来描述两变量间的关系。 现已知a = 6.503,b = 0.228,故直线回归方程为 y=6.503+0.228x。 将x =6.58代入回归方程,求得 y=8.003,即土壤镉为 6.58μg/L,则人体尿镉平均是 8.003μg/L。 将x =32.15代入回归方程,求得y=13.833,即土壤镉为 32.15μg/L,则人体尿镉平均是 13.33μg/L。 由于土壤镉的实测值范围是 4.14μg/L~27.39μg/L,32.15μg/L 超出此范围,不宜用该回归方程来估计人体尿镉。
回归方程的误差越小 回归方程的预测效果越好 回归方程的斜率越大 x、y间的相关性越密切 越有理由认为X、Y间有因果关系
直线回归方程越好 回归直线估计的效果越好 回归直线的斜率越大 回归直线的截距越大 回归方程越有价值
能用直线回归方程描述两变量间的关系。因为回归系数 b的假设检验与相关系数 r的假设检验等价,既然 r的假设检验 P=0.007,可认为两变量间有直线回归关系,所以能用直线回归方程来描述两变量间的关系。 现已知a = 6.503,b = 0.228,故直线回归方程为 y=6.503+0.228x。 将x =6.58代入回归方程,求得 y=8.003,即土壤镉为 6.58μg/L,则人体尿镉平均是 8.003μg/L。 将x =32.15代入回归方程,求得y=13.833,即土壤镉为 32.15μg/L,则人体尿镉平均是 13.33μg/L。 由于土壤镉的实测值范围是 4.14μg/L~27.39μg/L,32.15μg/L 超出此范围,不宜用该回归方程来估计人体尿镉。
两变量之间因果的数量关系 两变量的相关方向 两变量相关的密切程度 因变量的实际值与估计值的变异程度 当自变量增加一个单位时,因变量的平均增加值
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
能用直线回归方程描述两变量间的关系。因为回归系数 b的假设检验与相关系数 r的假设检验等价,既然 r的假设检验 P=0.007,可认为两变量间有直线回归关系,所以能用直线回归方程来描述两变量间的关系。 现已知a = 6.503,b = 0.228,故直线回归方程为 y=6.503+0.228x。 将x =6.58代入回归方程,求得 y=8.003,即土壤镉为 6.58μg/L,则人体尿镉平均是 8.003μg/L。 将x =32.15代入回归方程,求得y=13.833,即土壤镉为 32.15μg/L,则人体尿镉平均是 13.33μg/L。 由于土壤镉的实测值范围是 4.14μg/L~27.39μg/L,32.15μg/L 超出此范围,不宜用该回归方程来估计人体尿镉。
直线回归方程越好 回归直线估计的效果越好 回归直线的斜率越大 回归直线的截距越大 回归方程越有价值
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