【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《回归方程显著性的检验(t检验)》，欢迎阅读！
线性回归 数据选用R中table.b3 1.回归方程显著性的检验（t检验） 首先探索y与x之间是否具备线性关系，最直接的方法，画出y和x之间的散点图，如图所示，y与x之间是负相关的关系。 将y与x进行拟合模型lm（） 用准确的统计学语言来描述回归结果y=33.72-0.047x 回归方程的预测 在对方程进行预测时，（需要拟合好的模型，新预测的数据集，定义预测的区间，定义95%的可信区间） 回归诊断 回归模型的前提假设： 线性：因变量Y的总体平均值与X呈线性关系 独立性：需要保证观测值之间是相互独立的 正态性：线性模型的残差服从正态分布（残差毫无规律的分布在x=0的周围） 等方差：不论X取什么值，Y都具有相同的方差 出现情况： 1.对于方差不齐的情况可以采用加权最小二乘法，对于距离较远的点赋予较小的权重，减少其不良影响。 2.共线性（拟合模型显著但自变量不显著）诊断方法方差膨胀因子，VIF>10有较强的共线性，VIF>100有严重的共线性，发现共线性的变量可剔除彼此共线性的变量 2.高杠杆值（与离群点不同，其x值不在正常范围内）诊断方法（学生化残差，杠杆值，Cook距离）car包中的influencePlot函数找出该点 外文文献总结 一种基于模糊信息的乳腺癌危险因素方法评估 目的：本篇文章是研究导致乳腺癌疾病的因素，研究发现有可控因素和不可控因素。通过构建一个决策系统来观察导致乳腺癌的因素。 方法：通过BRFCM（基于规则的模糊认知图）方法来表示几种因素之间的属性和因果关系。第一部分，利用基于模糊推理规则的方法，利用MATLAB（矩阵实验室）构造RBFCM的权重矩阵，得到了互连线的权重。连接强度是根据这些因素的因果关系按权重值推断的。 第二部分通过模糊识别图评价影响BC发生的因素，并计算BC危险因素的影响程度。第三部分，使用FCMapper软件分析结果。在构建因果关系时，结合研究人员经验，来确定BRFCM的权重矩阵。在FIS中的功能操作遵循以下四个步骤：评估每个规则的输入，获得每个规则的结论， 汇总结论和去模糊化。 因果关系的标志： 1.确定是符号，某种因素对BC的影响是积极或非积极的 2.通过语言描述来评估影响的程度 3.将影响程度转化为数值 优点：基于知识的模糊推理过程：研究中不必为每一个影响因素分配数值，而是描述某种因素对乳腺癌的影响程度，利用IF-THEN规则确定了影响因素对BC之间关系，进而确定每一个影响因素导致乳腺癌之间的权重。 发现：研究中发现导致乳腺癌疾病的因素有可控因素和不可控因素，晚孕产妇年龄是重要的可改变因素，良性乳腺疾病、家族史和乳腺密度是不可改变的危险因素。 本文来源：https://www.dywdw.cn/8baf077680c4bb4cf7ec4afe04a1b0717fd5b316.html
下载此文档
搜索文档
阅读：
文档下载
2022-12-26
