回歸分析課程設計(參考版)
2025-01-19 11:56本頁面
【正文】 設計成績： 教師簽名： 年 月 日。 短短兩周的課程設計，使我發(fā)現(xiàn)了自己所掌握的知識是真正如此的缺乏，自己綜合應用所學的專業(yè)知識能力是如此的不足，幾年來的學習了那么多的課程，今天才知道自己并不會用．經過這次的回歸分析的課程設計，我個人也得到了不少的收獲，一方面加深了我對課本理論的知識，另一方面也提高了實驗操作能力。(7)殘差統(tǒng)計量a極小值極大值均值標準 偏差N預測值10標準 預測值.00010預測值的標準誤差10調整的預測值10殘差.0000010標準 殘差.000.81610Student 化 殘差10已刪除的殘差10Student 化 已刪除的殘差10Mahal。 4。2. 由方差分析表可以知道，F(xiàn)=，P值=，表明回歸方程高度顯著，說明x1,x2整體上對y有顯著的線性影響。Anovab模型平方和df均方FSig.1回歸2.007a殘差7總計9a. 預測變量: (常量), x2, x1。（5）輸入／移去的變量模型輸入的變量移去的變量方法1x2, x1a.輸入a. 已輸入所有請求的變量。系數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準 誤差試用版1(常量).096x1.385.100x2.535.049x3.277.284a. 因變量: y ：:自變量x2對y有影響，其中x3的P值=。Anovab模型平方和df均方FSig.1回歸3.015a殘差6總計9a. 預測變量: (常量), x3, x1, x2。模型匯總模型RR 方調整 R 方標準 估計的誤差1.898a.806.708a. 預測變量: (常量), x3, x1, x2。保存：預測值：未標準化；殘差：未標準化；預測區(qū)間：均值，置信水平為95%；繼續(xù)）確定設計結果與分析(可以加頁)：（2）相關性yx1x2x3yPearson 相關性1.556.731*.724*顯著性（雙側）.095.016.018N10101010x1Pearson 相關性.5561.113.398顯著性（雙側）
電大資料相關推薦
鄂ICP備17016276號-1