多重线性回归分析的功能与意义

最常用的一种回归分析方法，多重线性回归分析涉及多个自变量，它用来处理一个因变量与多个自变量之间的线性关系。

相关数据

分析过程

分析-回归-线性

其他选项：默认值 结果分析

变量输入或者移去情况

3个模型的调整R方在依次递增，而且都在0.9以上，所以模型你看、拟合情况非常好。

方差分析表：3个模型的方差分解结果，发现P值都为0.000，所以模型室非常显著的。

回归方程的系数以及系数的检验结果：3个模型的各个自变量系数是非常显著的。

模型综述：

模型的表达式为TC=-16.544+0.006Q+0.222PF+5.098PL

最终模型的拟合度很好，修正的可决系数超过了0.9

模型室显著的，模型整体p值0.000

常数项和三个自变量系数的显著性都小于0.05，为显著。

结论：TC受Q,PL,PF,PK影响，电力行业存在规模经济。

曲线回归分析的功能与意义

处理非线性问题，适用于模型只有一个自变量且可以简化为线性形式的情形，基本过程是先将因变量或者自变量进行变量转换，然后对新变量进行直线回归分析，最后将新变量还原为原变量，得出变量之间的非线性关系。

相关数据

分析过程

分析-回归-曲线回归

结果分析

模型描述：线性，对数，立方，分别被定义为方程1，2，3.三个回归方程的因变量都是阴性率，自变量都是儿童年龄。

模型情况：三次曲线模型的R方最高，而且其模型也是很显著的

拟合曲线图形：三次曲线的拟合效果最好。

模型综述

Y=24.714+37.999*X-6.690X2+0.389X3

结论：阴性率跟儿童年龄之间的关系是三次曲线关系。