admin 管理员组文章数量: 887021
2023年12月20日发(作者：数据库课程设计销售管理系统源码)
condition index回归分析
若随机变量X服从一个数学期望为μ、方差为XXX的正态分布，记为N(μ，XXX)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=X,σ=X时的正态分布是标准正态分布。
二项分布就是重复n次独立的伯努利试验。（抛硬币）在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为X时，二项分布服从X-X分布。
伽马分布：统计学的一种连续概率函数
泊松分布：tweedle分布：
回归：连续型拟合
descriptive statistics：描述性统计
mean：均值
ion：标准差
N：所使用的记录数
correlations：相关性
主要分为：pearson correlations（皮尔森相关）：对称矩阵，表示变量之间两两相关系数。越接近X相关程度越高。
sig.（X-tailed）（单托维显著性）：只要是显著性，不管是单托维或者双托维，都和作比较。越接近显著性越高。
N：表示不同的变量之间的数据值。
variables entered/removed：变量的进入/移出，表示生成模型的第一步
model summary：模型概述
R：所得到的曲线拟合程度，和X做比较
R square：R的平方，曲线拟合的优异程度，和X做比较。
adjusted R square：模型复杂度的惩罚值。和X做比较。
of the Estimate：预估的标准误。标准误=标准差/样本容量的开方。均值的置信区间是根据标准误来算的。
selection criteria：选择的标准
AIC：模型简洁度，此值越小越好。
MPC：模型变量选择权衡点，此值越小越好。
D-W：在一定程度上表达残差是否服从正太分布，越服从正太分布说明变量之间独立性越强，相关性越弱，正如我们所需要的，一般此值在X-X之间，越接近X越好。
ANOVA：方差分析
分为两大部分：regression回归residual残差
sum of square：方差之和
df：自由度，取值不受限制的那些变量的个数，等于n-X
mean square：均方差
F：f值，通常用自由度可以查到自由度所对应F值，然后再跟模型计算的F值做比较，若计算的F值小于所查到的F值，说明差异不明显（F检验：方差齐性检验），若大于，则要进行T检验。
sig.：显著性，和比较。如果是X.X的置信区间，则和X.X作比较。
coefficients：回归系数
unstandardized coefficients：非标化的回归系数
B：以下每个量的回归系数
：以下每个量的标准误
standardized coefficients：标化的回归系数（通常直接看此项就行）
beta：以下每项的标注化回归系数
collinearity statistics：共线性统计，判断独立性
tolerance：容忍度，容差
VIF：与容忍度成反比，一般此值小于XX说明变量之间独立性相对较好。
coefficients correlations：回归系数的相关性
correlations：各个变量之间的相关性，一般在X.X或者X.X以下最好。若是高于X.X，那么要对变量重新选择或者其他处理。
covariances：协方差
collinearity diagnostics：多重共线性诊断
condition index：条件指数，一般小于XX认为不存在多重共线性，说明变量之间独立性较好。
residuals statistics：残差统计
最小值，最大值，均值，残差的标准差，残差个数
当共线性不能接受时：要重新选择变量；尝试有偏向性估计；扩大样本；设置“类型”节点时，有选择的“输入”角色。
推荐思路：将变量逐一与因变量进行相关分析。通过相关系数的筛选，将筛选的自变量与因变量一起做多重回归分析。
版权声明：本文标题：condition index回归分析 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/free/1703007565h439389.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论