灰色關聯(lián)分析第二次(編輯修改稿)
2025-06-15 03:09 本頁面
【文章內容簡介】 因素是主要的，哪些是次要的；哪些是明顯的，哪些是潛在的；哪些是值得發(fā)展的，哪些又是需要捨棄的。 14 舉例：迴歸分析 ? 例如 :某產品的開發(fā) ， 有 10個人，藥劑量(x)與解除癥狀持續(xù)時間 (y)的關係。 ? (x)為自變數 ? (y)為因變數 0510152025300 2 4 6 8 10自變數x因變數y15 數據量 數據之型態(tài) 變數關係 數學需求 傳統(tǒng) 統(tǒng)計迴歸 需要大量 數據 同趨勢且具規(guī)律性 變化因素不能太多 中等 灰關聯(lián)分析 少量數據 等間距及非等間距 多因素分析 基本 一般統(tǒng)計迴歸方法需具大量的數據，及函數關係之限制，而灰關聯(lián)分析具有少量數據及多因素分析之特點，洽可彌補一般統(tǒng)計迴歸之 缺點。（江金山等編， 1998） 比較 16 舉例：相關分析 ? 勞工薪水每小時 10元 ? 每天日薪 80元 ? 一個月 30天為 2400元 ? 則 45天為 3600元。 050010001500202125000 5 10 15 20 25 30天數薪水值17 以另一個角度來看相關係數也可以解釋為若 X 與 Y 的相關越大則相關係數值也就比較高，若相關程度越小則相關係數值越接近零。在實際應用時我們是採用以下的公式來計算相關係數值： 相關係數＆歸歸分析 18 相關係數（ｒ）的計算公式： 19 當我們由自變數和因變數的資料計算得到 r 值，而這個 r 值所代表的意義為何呢？當 r 等於＋ － 1 顯示 X 的變動對於 Y 有完全的影響，而且 X 與 Y 所構成的點會完全落在斜率為正或負的迴歸線上，而當 r 等於 0 時，在此種狀況下沒有任何 Y 的變異可以由 X 來解釋，亦即 Y 不受 X 變動的影響，在這種狀況下 X 對 Y 的預測無任何助益，不論 X 為何， Y 全然不受 X 左右。 20 相關分析在預測方面的應用是如何呢？相關分析求得的
醫(yī)療健康相關推薦
鄂ICP備17016276號-1