回归分析,也有称曲线拟合. 当在实验中获得自变量与因变量的一系列对应数据,(x1,y1),(x2,y2),(x3,y3),...(xn,yn)时,要找出一个已知类型的函数,y=f(x) ,与之拟合,使得实际数据和理论曲线的离差平方和:∑[yi-f(xi)]^2（从i=1到i=n相加）为最小. 这种求f(x)的方法，叫做最小二乘法。 求得的函数y=f(x)常称为经验公式,在工程技术和科学研究的数据处理中广泛使用. 最普遍的是直线(一次曲线)拟合,在现代质量管理上,对散布图的相关分析上也用此法. 当然,以上仅介绍了回归分析的一部分简要内容,要详细了解,应读大学,或自学到这个程度.我是自学的,我想你只要坚持不懈的努力,也是会成功的.
我只介绍一元线性回归的基本思想。 X与Y是两个随机变量，我们关心X与Y之间是否存在线性关系，即是否有Y=aX+b？ 我们作一系列的随机试验，得到n组数据： (x1,y1),(x2,y2),…,(xn,yn). 如果我们研究的是确定性现象，当然这n个点是在同一直线上的。但是现在X与Y都是随机变量，即使X与Y之间真的存在线性关系，即确实有Y=aX+b的关系成立，由于随机因素的作用，一般地说，这n个点也不会在同一直线上。而X与Y之间实际上并不存在线性关系，由于随机因素的作用，这n个点在平面上也可能排成象在一条直线上那样的。回归分析，就是要解决这样的问题，即从试验得到的这样一组数据，我们是否应该相信X与Y之间存在线性关系，这当然要用到概率论的思想与方法。 至于回归分析的具体内容，不可能在这里详细介绍了，如果几句话就能让大家都明白，大学就不用办了。
答：F值表示方差分析检验统计量，sig=0.00说明建立的模型有较强的预测能力 R square 是0-1之间的一个数，数字越大，说明自变量和因变量之间的相关性越大...详情>>
答：详情>>
