回归分析与结果说明（精品）.doc

《回归分析与结果说明（精品）.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、本人仍然用这个例了。目的是完成咋天还没有说完的备种统计量20头黄牛的数据如下体长胸围体重151.5186462156.2186496146193458136.1193463146.2172388149.8188485155197456144.5175392147.2175398145.2185437138172378142.5192446141.5180396149183426154.2193506152187457158190506146.8189455147.3183478151.3191454Anova模型平方和df均方F1回归21674.0

2、93210837.04623少残差7800.45717458.850//总计29474.55019其实，说白了，方差分析表看的就是最后的那个Sig值。什么平方和，自由度，均方，最后要的都是那个Sig值。目的就是检验零假设成立与不成立。这里只要知道零假设，就可以根据Sig值与显著性0.05的大小比较来判断，如果大于0.05,零假设成立，如果小于0.05,寥假设不成立。原理一大堆，但是只要记住这个结果，知道零假设，任何方差分析表都可以驾驭。本回归中的零假设为回归系数是零，也即是回归方程不成立。但是本例中结果为0.000,说明零假设不成立，回归方程有意义

3、。模型非标准化系数标准系数标准误差试用版1（常暈）/乡569.131/2.6793.341149.940.910.714.395.628B为非标准化回归系数。也称偏回归系数。是在控制其他变量后得到的。只有当所有的自变量统一时，它们才有可比性。由方差分析结果可知,；偏回归系数至少有一个显著。说白了，这个系数就是回归方程自变量的系数和常数。可以由这个系数得到回归方程。本例中为。Y=-569.131+2.679X】+3.341X2B的95.0%置信区间下限上限R-3.796.001-885.476-252.787A2.943\.009.7594.60

4、0\4.678\oo1.8344.847回归的假设检验的Sig都小于0・05•说明都有统计意义。T为偏回归系数为0的假设检验的t值，具有较好的预测效果的变量t值应该大于2或者小于・2,本例中都大于2零阶偏部分容忍度VIF.628.775容忍度其值介于0到1之间,其值越小，自变量与其他自变量之间共线性的关系越强,，但是使用容忍度需要观测量一定要服从正态分布VIF指的是方差膨胀因子，就是容忍度的倒数。其值越大，共线性越强。本例中VIF都比较小，所以，几乎没有共线性。方差比例模型维数卑征値条/牛索引（常暈）体长胸围11/2.998ni.ooo.00.

5、00.002//.001/56.532.00.63.743/」(.001JL66.4121.00.37.26共馳诊断'a.当若干特征值较小并且接近0时，说明某些变量之间存在很髙的相关性，这些变量的观测量出现较小的变化时，会导致回归系数较大变化。本例中说明特征值都接近0・其值越大，明线可越说共性能大,大于等于30有严重共线性，本例即是怎样解决共线性问题？可以增加样本量，或者剔除不重要的自变量，或者重新抽取样本数据