Analysis of Variance
(3) (4) (5) (2)
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 6 728.07459 121.34577 23.62 <.0001
Error 24 123.30695 5.13779
Corrected Total 30 851.38154
Parameter Standard
Variable Estimate Error Type II SS F Value Pr > F
Intercept 104.86493 12.12725 384.15978 74.77 <.0001
AGE -0.24074 0.09459 33.27676 6.48 0.0178
WEIGHT -0.07456 0.05328 10.06169 1.96 0.1745
RUNTIME -2.62442 0.37249 255.04222 49.64 <.0001
RSTPULSE -0.02532 0.06467 0.78734 0.15 0.6989
RUNPULSE -0.35992 0.11757 48.15299 9.37 0.0054
MAXPULSE 0.28766 0.13437 23.54632 4.58 0.0427
参考一些资料对回归显示结果有了一点小理解,记录下来希望能够帮助像我一样刚刚入门,等待急用的童鞋,不正确的地方请各位批评指正。
1 理解(1) 要解释R-Square即复相关系数,要先明白回归中的两种误差:回归偏差和剩余偏差
复相关系数即为 R^2=回归偏差/(回归偏差+剩余偏差)
2 理解(3)(4)
(3)列就是误差解释列,model行对应的第三列就是回归偏差,ERROR行对应的第三列就是剩余偏差,Corrected Total 行对应的第三列就是总偏差,等于上面两种偏差的和
(4)列则是平均偏差,由剩余偏差和回归偏差除以相应的自由度即可得出
3 综合理解(1)(3)(4),由上可知,复相关系数越大,则表示回归偏差在总偏差的比重就越大,则回归模型的拟合度就越高,模型就越显著
4 理解(5) 表示模型的F检验值,如例子中的F=23.62,从F分布表中查得的F(6,23)=2.53<23.62,则拒绝原假设,也说明该模型是显著的
5 至于下边的各参数估计,还没有看明白,等看明白了再续。



雷达卡



京公网安备 11010802022788号







