标签：分析 回归 检验 算法 数模 逐步回归 线性 回归系数
目录
一、相关性分析与回归分析
相关性分析：判断有无关联，关联度是多少
回归分析：需求出具体的表达式
逐步回归：挑选出一些和因变量产生关联的自变量的过程
- 要对回归系数
、
作假设检验，判断是否合理
- 得到回归方程，可以做预测、控制
二、最小二乘法
求极值，导数为0->最小
三、回归性检验
显著性水平 估计总体参数落在某一个区间可能犯错的概率
显著性水平 是 假设检验 中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。
（1）F检验
联合假设检验、方差比率检验、方差齐次性检验
- 判断是否拒绝
，拒绝则回归显著。
（2）t检验
适于小样本检验（样本容量<30），总体标准差σ未知的正态分布。
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
适用条件：
(1) 已知一个总体均数；
(3) 样本来自正态或近似正态总体。
（3）r检验
相关系数检验
没有对照表，一般通过构建与F的关系
四、回归系数的置信区间
卡方分布，参照卡方表
五、常用的目标函数及其线性化方法
（1）一元线性/非线性
一元线性回归
（2）多元线性回归
（3）回归性检验与预测
（4）逐步回归分析
六、matlab命令
b=regress(Y,X)
多项式回归求参数可用两种方法
① 直接用多项式回归
② 化为多元线性回归
七、总结
1.确定研究的回归
2.确定计算的参数
3.确定检验方法
4.进行预测或控制
标签：分析,回归,检验,算法,数模,逐步回归,线性,回归系数 来源： https://blog.csdn.net/weixin_53599669/article/details/119172521
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。