发布网友
发布时间：2022-04-20 06:47
共3个回答
热心网友
时间：2022-07-14 04:36
Multiple R：x和y的相关系数r，一般在-1~1之间，绝对值越靠近1则相关性越强，越靠近0则相关性越弱;
R square：x和y的相关系数r的平方，表达自变量x解释因变量y变差的程度，以测定量y的拟合效果;
Significance F对应的是在显著性水平下的Fα临界值，其实等于P值，即弃真概率。所谓“弃真概率”即模型为假的概率，显然1-P便是模型为真的概率。可见，P值越小越好。如P=0.0000000542<0.0001，故置信度达到99.99%以上。
标准误差：用来衡量拟合程度的大小，也用于计算与回归相关的其它统计量，此值越小，说明拟合程度越好；
观察值：用于训练回归方程的样本数据有多少个。
扩展资料：
方差分析分类：
1、单因素方差分析，是用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。这里，由于仅研究单个因素对观测变量的影响，因此称为单因素方差分析。
2、多因素方差分析，多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。这里，由于研究多个因素对观测变量的影响，因此称为多因素方差分析。
多因素方差分析不仅能够分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而最终找到利于观测变量的最优组合。
热心网友
时间：2022-07-14 04:37
热心网友
时间：2022-07-14 04:37
A、Multiple R：x和y的相关系数r，一般在-1~1之间，绝对值越靠近1则相关性越强，越靠近0则相关性越弱;
B、R square：x和y的相关系数r的平方，表达自变量x解释因变量y变差的程度，以测定量y的拟合效果;
C、Adjusted R Square：调整后的R square，说明自变量能说明因变量百分比，和B的区别在于，通常一元回归的时候看B项多，而多元回归时候看C项多；
D、标准误差：用来衡量拟合程度的大小，也用于计算与回归相关的其它统计量，此值越小，说明拟合程度越好；
E、观察值：用于训练回归方程的样本数据有多少个；
具体如下：
方差分析，主要作用是通过F检验来判定回归模型的回归效果
A、主要关注回归分析这一行的Significance F（F显著性统计量）的P值，以统计常用的0.05显著水平为例，这里的2E-12明显小于P=0.05，则F检验通过，整体回归方程显著有效；
B、具体各参数含义如下：
<img src="https://pic2.mg.com/50/v2-8f52211225e0cfce5cf263ee3fd319e9_hd.jpg" data-rawwidth="2110" data-rawheight="294" class="origin_image zh-lightbox-thumb" width="2110" data-original="https://pic2.mg.com/v2-8f52211225e0cfce5cf263ee3fd319e9_r.jpg">