苹果/安卓/wp
积分 21, 距离下一级还需 3 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
这个是最近碰到的问题，学了几天SAS发现逐步回归方法只对proc reg 有效啊&&可是我想做的是二次多项式逐步回归&&有高手能给点意见不？
载入中......
本质是同一个问题：多元回归而已。比较啰嗦，排列组合一下
如果不考虑交叉项，需要设定8个变量，八元逐步回归
考虑两变量交叉，需要设定8+24个变量，32元逐步回归
若还要考虑三变量交叉，需要设定8+24+32个变量，64元逐步回归
若还要考虑四变量交叉，需要设定8+24+32+8个变量，72元逐步回归
只是帮你算算，事实上也许根本不需要交叉项
以出世的精神做入世的事情
hndxaj 发表于
这个是最近碰到的问题，学了几天SAS发现逐步回归方法只对proc reg 有效啊&&可是我想做的是二次多项式逐步回归&&有高手能给点意见不？You need to understand the general concept of linear regression.
For example,
y=a+bx+c*x^2 + error
y=exp(a+bx+c*x^2 + error)
and many more, are all sort of linear regression model.
Thank you !
Would you please tell me how can I get the best answer for the following equation under that constraints?
equation:y=5.06x2-5..x2*x2+ 2.+ 0.
constraints:10&x1&30
& && && && &0
& && && && &0.9&x3&1.1
hndxaj 发表于
Thank you !
Would you please tell me how can I get the best answer for the following equation under that constraints?
equation:y=5.06x2-5..x2*x2+ 2.+ 0.
constraints:10Is this a regression problem? What is your question? It is not so clear to me.
至上励合外交凝 发表于
没看见图，但是逐步回归属于统计学的东西，你说的这种分析应该是将各种参数量化之后，在统计学软件里做的回归分析，建议先看看统计软件的书，里面有类似的例子，然后再具体研究每个参数怎么量化。The second one looks like a simple linear programming problem.
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师多项式回归-学术百科-知网空间
多项式回归
多项式回归
polynomial regression回归函数取为自变量的多项式时的称谓。当自变量x为一维时,回归函数的形式为f(x)=β0+β...多项式回归是一种曲线（面）的回归模型，但用引入新自变量的方法，可以把多项式回归转化为线性回归。从理论上讲，只要回归函数是连续的函数，总能找到适
与"多项式回归"相关的文献前10条
不确定度评定是测量仪器校准过程中的重要环节,随着仪器测量精度的不断提高,利用数据拟合回归技术确定仪器测量数据与约定真值的函数关系,已经成为仪器校准技术发展的趋势。利用多项式回归开
根据TD-SCDMA接收系统样本数据特点,对多项式回归过程进行了合理组合并将其作为最佳样本数据选择依据。传统多项式回归算法计算量很大,不适合移动通信接收系统芯片的实时处理,分析了
自构形算法是BP神经网络提高泛化能力的一种方法,但自构形算法以线性回归理论为基础,在解决非线性问题时剪枝能力和收敛速度都存在不足,针对这一问题,提出基于多项式回归的自构形算法,并
在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间
本文以岩石单轴蠕变试验为例，介绍了用多项式回归间接求解岩石流变力学模型中各元件的力学参数的方法，并求出了蠕变方程。该方法是通过建立试验数据多项式回归方程与理论公式多项式展开式之间
利用多项式回归方法给出了施氮量与玉米产量间的关系,并对最高单产量及其施氮量予以确定。
利用最小二乘回归分析介绍多项式回归在智能传感器非线性补偿中的应用 ,提出了以传感器输入量作拟合多项式自变量和传感器输出量作拟合多项式自变量的两种补偿方法 ,并通过实例对这两种方法
本文对适用于任意方次的多项式回归CASIO fx—4500P计算器通用程序给出了算法、内存分配、源程序及算例。其中程序模块Prog GAUSS可独立用于解算14个未知数以下的对称
本文提出一种新型传感器多项式回归快速建模方法,计算机仿真实例表明该算法可应用于传感器的非线性校正过程.
介绍了目前设备特征化过程中色彩空间转换的主要方法,以从RGB色空间到Lab色空间的转换为例,讨论了三棱柱插值和多项式回归这2种算法,并通过实验检验了2种算法的效果,对实验数据进行
"多项式回归"的相关词
快捷付款方式
订购知网充值卡
<font color="#0-819-9993
<font color="#0-
<font color="#0-图书信息/回归分析
回归分析书 名: 回归分析作者：谢宇出版社： 社会科学文献出版社出版时间： 日ISBN: 4开本： 16开定价: 45.00元内容简介《回归分析》源于作者多年在密歇根大学教授回归分析的课程讲义，从基本的统计概念讲起，对线性回归分析的基本假定、回归中的统计推论和回归诊断做了详尽的介绍，同时还涵盖了很多在社会科学中对实际研究非常有用的内容，包括虚拟变量、交互作用、辅助回归、多项式回归、样条函数回归和阶跃函数回归等。此外，《回归分析》还涉及通径分析、纵贯数据模型、多层线性模型和Iogit模型等方面的内容。作者简介谢宇，美国密歇根大学OtisDudleyDuncan杰出教授，同时也是密歇根大学社会学系、统计系和中国研究中心教授，社会研究院（ISR）人口研究中心和调查研究中心研究员，调查研究中心量化方法组主任；北京大学长江学者特聘讲座教授。2004年当选美国艺术与科学院院士和台湾“中央研究院”院士，2009年当选美国国家科学院院士。其研究领域包括：社会分层、统计方法、人口学、科学社会学和中国研究。主要着作有：《分类数据分析的统计方法》、《科学界的女性》、《美国亚裔的人口统计描述》、《社会学方法与定量研究》、《婚姻与同居》等。图书目录第1章 基本统计概念1.1 统计思想对于社会科学研究的重要性1.2 本书的特点1.3 基本统计概念1.4 随机变量的和与差1.5 期望与协方差的性质1.6 本章小结第2章 统计推断基础2.1 分布2.2 估计2.3 假设检验2.4 本章小结第3章 一元线性回归3.1 理解回归概念的三种视角3.2 回归模型3.3 回归直线的拟合优度3.4 假设检验3.5 对特定X下y均值的估计3.6 对特定X下y单一值的预测3.7 简单线性回归中的非线性变换3.8 实例分析3.9 本章小结第4章 线性代数基础4.1 定义4.2 矩阵的运算4.3 特殊矩阵4.4 矩阵的秩4.5 矩阵的逆4.6 行列式4.7 矩阵的运算法则4.8 向量的期望和协方差阵的介绍4.9 矩阵在社会科学中的应用4.10本章小结第5章 多元线性回归5.1 多元线性回归模型的矩阵形式5.2 多元回归的基本假定5.3 多元回归参数的估计5.4 0LS回归方程的解读5.5 多元回归模型误差方差的估计5.6 多元回归参数估计量方差的估计5.7 模型设定中的一些问题5.8 标准化回归模型5.9 cHIP88实例分析5.10 本章小结第6章 多元回归中的统计推断与假设检验6.1 统计推断基本原理简要回顾6.2 统计显着性的相对性.以及效应幅度6.3 单个回归系数反=0的检验6.4 多个回归系数的联合检验6.5 回归系数线性组合的检验6.6 本章小结第7章 方差分析和F检验7.1 一元线性回归中的方差分析7.2 多元线性回归中的方差分析7.3 方差分析的假定条件7.4 F检验7.5 判定系数增量7.6 拟合优度的测量7.7 实例分析7.8 本章小结第8章 辅助回归和偏回归图8.1 回归分析中的两个常见问题8.2 辅助回归8.3 变量的对中8.4 偏回归图8.5 排除忽略变量偏误的方法8.6 应用举例8.7 本章小结第9章 因果推断和路径分析9.1 相关关系9.2 因果推断9.3 因果推断的问题9.4 因果推断的假设9.5 因果推断中的原因9.6 路径分析9.7 本章小结第10章 多重共线性问题10.1 多重共线性问题的引入10.2 完全多重共线性10.3 近似多重共线性10.4 多重共线性的度量10.5 多重共线性问题的处理10.6 本章小结第11章 多项式回归、样条函数回归和阶跃甬数回归11.1 多项式回归11.2 样条函数回归11.3 阶跃函数回归11.4 本章小结第12章 虚拟变量与名义自变量12.1 名义变量的定义与特性12.2 虚拟变量的设置……第13章 交互项第14章 异方差与广义最小二乘法第15章 纵贯数据的分析第16章 多层线性模型介绍第17章 回归诊断第18章 二分因变量的logit模型词汇表参考文献后记
应用/回归分析
相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。例如，如果要研究质量和用户满意度之间的因果关系，从实践意义上讲，产品质量会影响用户的满意情况，因此设用户满意度为因变量，记为Y；质量为自变量，记为X。根据图8－3的散点图，可以建立下面的线性关系：Y=A+BX+§式中：A和B为待定参数，A为回归直线的截距；B为回归直线的斜率，表示X变化一个单位时，Y的平均变化情况；§为依赖于用户满意度的随机误差项。对于经验回归方程：y=0.857+0.836x回归直线在y轴上的截距为0.857、斜率0.836，即质量每提高一分，用户满意度平均上升0.836分；或者说质量每提高1分对用户满意度的贡献是0.836分。上面所示的例子是简单的一个自变量的线性回归问题，在数据分析的时候，也可以将此推广到多个自变量的多元回归，具体的回归过程和意义请参考相关的统计学书籍。此外，在SPSS的结果输出里，还可以汇报R2，F检验值和T检验值。R2又称为方程的确定性系数（coefficientofdetermination），表示方程中变量X对Y的解释程度。R2取值在0到1之间，越接近1，表明方程中X对Y的解释能力越强。通常将R2乘以100%来表示回归方程解释Y变化的百分比。F检验是通过方差分析表输出的，通过显着性水平（significantlevel）检验回归方程的线性关系是否显着。一般来说，显着性水平在0.05以上，均有意义。当F检验通过时，意味着方程中至少有一个回归系数是显着的，但是并不一定所有的回归系数都是显着的，这样就需要通过T检验来验证回归系数的显着性。同样地，T检验可以通过显着性水平或查表来确定。在上面所示的例子中，各参数的意义如表8－2所示。线性回归方程检验指标显着性水平意义R0.89“质量”解释了89%的“用户满意度”的变化程度F276.820.001回归方程的线性关系显着T16.640.001回归方程的系数显着示例SIM手机用户满意度与相关变量线性回归分析我们以SIM手机的用户满意度与相关变量的线性回归分析为例，来进一步说明线性回归的应用。从实践意义讲上，手机的用户满意度应该与产品的质量、价格和形象有关，因此我们以“用户满意度”为因变量，“质量”、“形象”和“价格”为自变量，作线性回归分析。利用SPSS软件的回归分析，得到回归方程如下：用户满意度=0.008×形象+0.645×质量+0.221×价格对于SIM手机来说，质量对其用户满意度的贡献比较大，质量每提高1分，用户满意度将提高0.645分；其次是价格，用户对价格的评价每提高1分，其满意度将提高0.221分；而形象对产品用户满意度的贡献相对较小，形象每提高1分，用户满意度仅提高0.008分。方程各检验指标及含义如下：指标显着性水平意义R20.89“质量”和“形象”解释了89%的“用户满意度”的变化程度F248.530.001回归方程的线性关系显着T（形象）0.001.000“形象”变量对回归方程几乎没有贡献T（质量）13.930.001“质量”对回归方程有很大贡献T（价格）5.000.001“价格”对回归方程有很大贡献从方程的检验指标来看，“形象”对整个回归方程的贡献不大，应予以删除。所以重新做“用户满意度”与“质量”、“价格”的回归方程如下：满意度=0.645×质量+0.221×价格用户对价格的评价每提高1分，其满意度将提高0.221分（在本示例中，因为“形象”对方程几乎没有贡献，所以得到的方程与前面的回归方程系数差不多）。方程各检验指标及含义如下：指标显着性水平意义R0.89“质量”和“形象”解释了89%的“用户满意度”的变化程度F374.690.001回归方程的线性关系显着T（质量）15.150.001“质量”对回归方程有很大贡献T（价格）5.060.001“价格”对回归方程有很大贡献
步骤/回归分析
确定变量明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。建立预测模型依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。进行相关分析回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。计算预测误差回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。确定预测值利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。
相关问题/回归分析
应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意： ①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料；
显示方式： |
共有49个词条
万方数据期刊论文
光谱学与光谱分析
万方数据期刊论文
控制与决策
万方数据期刊论文
无机材料学报
&|&相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与客服联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
此词条还可添加&
编辑次数：29次
参与编辑人数：22位
最近更新时间： 09:43:19
贡献光荣榜origin线性回归方程(回归方程,散点图,多项式回归) - 有机|无机化学 - 生物秀
fitting—>fit linear。希望能够帮到你网友回复 引用内容:如果你只是要简单的线性拟合，选中画图框点击analysis—>fitting—>fit linear。希望能够帮到你 我想让它像Excel一样显示方程式网友回复1、先做散点图2、在《分析》工具栏的多项式回归3、勾选公式显示。见附图的">
标题: origin线性回归方程(回归方程,散点图,多项式回归)
摘要: 有木有会origin的啊网友回复如果你只是要简单的线性拟合，选中画图框点击analysis—>fitting—>fit linear。希望能够帮到你网友回复 引用内容:如果你只是要简单的线性拟合，选中画图框点击analysis—>fitting—>fit linear。希望能够帮到你 我想让它像Excel一样显示方程式网友回复1、先做散点图2、在《分析》工具栏的多项式回归3、勾选公式显示。见附图的……
有木有会origin的啊网友回复如果你只是要简单的线性拟合，选中画图框点击analysis—>fitting—>fit linear。希望能够帮到你网友回复 引用内容:
如果你只是要简单的线性拟合，选中画图框点击analysis—>fitting—>fit linear。希望能够帮到你 我想让它像Excel一样显示方程式网友回复1、先做散点图
2、在《分析》工具栏的多项式回归
3、勾选公式显示。
见附图的截图。
Origin回归方程显示.jpg网友回复 引用内容:
1、先做散点图
2、在《分析》工具栏的多项式回归
3、勾选公式显示。
见附图的截图。
Origin回归方程显示.jpg 我是origin8.5的全英文
网友回复可以做的。
相关热词：
生物秀是目前国内最具影响力的生物医药门户网站之一，致力于IT技术和BT的跨界融合以及生物医药领域前沿技术和成功商业模式的传播。为生物医药领域研究人员和企业提供最具价值的行业资讯、专业技术、学术交流平台、会议会展、电子商务和求职招聘等一站式服务。
官方微信号：shengwuxiu
电话：021-