R表示的是擬合優度,它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。但是,你的R值太小了。
T的數值表示的是對迴歸引數的顯著性檢驗值,它的絕對值大於等於ta/2(n-k)(這個值表示的是根據你的置信水平,自由度得出的數值)時,就拒絕原假設。
即認為在其他解釋變數不變的情況下,解釋變數X對被解釋變數Y的影響是顯著的。
F的值是迴歸方程的顯著性檢驗,表示的是模型中被解釋變數與所有解釋變數之間的線性關係在總體上是否顯著做出推斷。若F>Fa(k-1,n-k),則拒絕原假設。
即認為列入模型的各個解釋變數聯合起來對被解釋變數有顯著影響,反之,則無顯著影響。
如果,你只改R值,我想是可以看的出來的。你的F的值和T的值都是有問題的,如果只改R值,怎麼可能在F的值和T的值都不合理的情況下,擬合優度卻突然變的很高。
擴充套件資料
線性迴歸的迴歸係數:
一般地,要求這個值大於5%。對大部分的行為研究者來講,最重要的是迴歸係數。年齡增加1個單位,文件的質量就下降 -.1020986個單位,表明年長的人對文件質量的評價會更低。
這個變數相應的t值是 -2.10,絕對值大於2,p值也
相反,領域知識越豐富的人,對文件的質量評估會更高,但是這個影響不是顯著的。這種對迴歸係數的理解就是使用迴歸分析進行假設檢驗的過程。
R表示的是擬合優度,它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。但是,你的R值太小了。
T的數值表示的是對迴歸引數的顯著性檢驗值,它的絕對值大於等於ta/2(n-k)(這個值表示的是根據你的置信水平,自由度得出的數值)時,就拒絕原假設。
即認為在其他解釋變數不變的情況下,解釋變數X對被解釋變數Y的影響是顯著的。
F的值是迴歸方程的顯著性檢驗,表示的是模型中被解釋變數與所有解釋變數之間的線性關係在總體上是否顯著做出推斷。若F>Fa(k-1,n-k),則拒絕原假設。
即認為列入模型的各個解釋變數聯合起來對被解釋變數有顯著影響,反之,則無顯著影響。
如果,你只改R值,我想是可以看的出來的。你的F的值和T的值都是有問題的,如果只改R值,怎麼可能在F的值和T的值都不合理的情況下,擬合優度卻突然變的很高。
擴充套件資料
線性迴歸的迴歸係數:
一般地,要求這個值大於5%。對大部分的行為研究者來講,最重要的是迴歸係數。年齡增加1個單位,文件的質量就下降 -.1020986個單位,表明年長的人對文件質量的評價會更低。
這個變數相應的t值是 -2.10,絕對值大於2,p值也
相反,領域知識越豐富的人,對文件的質量評估會更高,但是這個影響不是顯著的。這種對迴歸係數的理解就是使用迴歸分析進行假設檢驗的過程。