对数转换后的一元线性回归方程比较的时候是看决定系数还是校正后的决定系数

=(求和号（Xi-x平均值）（Yi-y平均值）/根号（求和号（Xi-x平均值）^2求和号（Yi-y平均值)^2)（求和都是从1到n)r一般用来度量线性相关性的程度.

y=30.331-1.877X这个y上面要加^这个符号的再问：相关系数是多少…？再答：r=-0.97203

可以的

纯拟合的话推荐用Origin一步搞定：    拟合结果为斜率-1.87662；截距为30.33117；线性相关系数为0.92647再问：如果用matlab呢？我

6再问：6？怎么算的。。为什么我算的是-6再答：呃……抱歉少打了个负号再问：哦哦，肯定不？再问：我开学得去考试呢。。再答：平均值过符合线性方程再答：确定再答：你考什么试再问：好的，谢谢你再问：概率论

先说说这个相关系数吧.如果不想看这么多,直接跳到最后一段即可.徒手打的,希望能让你看明白.相关系数就是线性相关度的大小,1为（100%）绝对正相关,0为0%,-1为（100%）绝对负相关.所谓正相关就

假设线性回归方程为：y=ax+b(1)a,b为回归系数,要用观测数据(x1,x2,...,xn和y1,y2,...,yn)确定之.为此构造Q(a,b)=Σ(i=1->n)[yi-(axi+b)]^2(

1）直线相关关系2）两个变量之间存在显著相关3）足够多的已知资料,并且自变量因变量明确4）随机误差值相互独立,且同方差,随机误差~N（0,σ2）

2、正相关还是负相关

建议你先到http://baike.baidu.com/view/954762.htm这个地方看一下.b的计算有两个公式,计算结果相同.（不过,我更喜欢使用△（即差值）计算的那个公式）.回归流程我通常

相关分析表（Correlations）表明两个变量的线性相关性较强(r=0.601)较显著(p=0.000)：提示两个变量之间在较大的程度上可以进行直线回归.Modelsummary表显示线性回归的决

简单线性：等式两边都不取对数对数：等式两边都取对数半对数：等式一边取对数显著性检验：单个系数t检验,联合显著性F检验

用polyfit函数；k=polyfit（x,y,1）;A=k(1);B=k(2);再问：能把整个的写出来么不会用的着急啦再答：x=[-0.125,-0.300,-0.602,-0.824];y=[-

我用origin给你拟合了一下,不是一次的,是二次的.以下是拟合结果：[2006-6-1209:15"/Graph1"(2453898)]PolynomialRegressionforData1_B:

你x10个值,y11个值,而且591.0也有误吧r=corrcoef(x,y);%r就是相关系数R=r^2;k=polyfit(x,y,1);scatter(x,y,'.');holdonx1=200

在MATLAB里,多项式由一个系数的行向量表示,其系数是按降序排列.所以：A=-0.2444B=0.6064

就比如说,y是找工作成功率,x就是影响工作成功率的各种因素（如年龄,性别,家庭条件）,但是年龄不是被家庭条件影响

令线性回归方程为：y=ax+b(1)a,b为回归系数,要用观测数据(x1,x2,...,xn和y1,y2,...,yn)确定之.为此构造Q(a,b)=Σ(i=1->n)[yi-(axi+b)]^2(2

步骤：　　1.列计算表,求∑x,∑xx,∑y,∑yy,∑xy.　　2.计算Lxx,Lyy,Lxy　　Lxx=∑(x-xˇ)(x-xˇ)　　Lyy=∑(y-yˇ)(y-yˇ)　　Lxy=∑(x-xˇ)(

是依据误差的平方和最小这个条件来求回归系数的.比如一元的,y=ax+bE=∑(y-yi)^2=∑(axi+b-yi)^2将a,b看成变量,则E的最小值需有其偏导数为0,即E'a=2∑(axi+b-yi