Математическая статистика в почвоведении. Мешалкина Ю.Л - 32 стр.

UptoLike

ВУЗ: 

МГУ | Москва

Составители: 

Рубрика: 

Назначение множественной регрессии состоит в анализе связи между
несколькими независимыми переменными (называемыми также регрессорами
или предикторами) – в данном случае, почвенными свойствами и зависимой
переменной – урожаем.
Выберите закладку Дополнительно (Advanced).
Щелкните по кнопке Переменные (Variables), задайте зависимые и не-
зависимые переменные. В нашем случае зависимой переменной (Dependent)
будет урожай сельскохозяйственной культуры (Yield), независимые перемен-
ные (Independent)- почвенные свойства (например, P
2
O
5
, hum, pH, K
2
O, NO
3
).
Обратите внимание, что вообще Файл данных (Input file) может содержать
данные как в исходном виде, так и в виде корреляционной матрицы. Нажмите
ОК, запустив тем самым анализ.
В результате работы программы появляется новая панель с расчетными
характеристиками (см. стр. 33). На появившейся панели отображается множе-
ственный коэффициент корреляции (R), его квадрат (коэффициент детерми-
нации), “скорректированный” коэффициент детерминации. Коэффициент
множественной корреляции R определяет степень тесноты связи результи-
рующего признака Y со всем набором независимых признаков X
1
,...,X
k
. В слу-
чае парной регрессии (т.е. при наличии всего одного признака X
1
) R совпадает
с коэффициентом корреляции Пирсона. По значению R-квадрат можно опре-
делить, насколько хорошо модель описывает данные, так как значение R рав-
32
     Назначение множественной регрессии состоит в анализе связи между
несколькими независимыми переменными (называемыми также регрессорами
или предикторами) – в данном случае, почвенными свойствами и зависимой
переменной – урожаем.
     Выберите закладку Дополнительно (Advanced).




      Щелкните по кнопке Переменные (Variables), задайте зависимые и не-
зависимые переменные. В нашем случае зависимой переменной (Dependent)
будет урожай сельскохозяйственной культуры (Yield), независимые перемен-
ные (Independent)- почвенные свойства (например, P2O5, hum, pH, K2O, NO3).
Обратите внимание, что вообще Файл данных (Input file) может содержать
данные как в исходном виде, так и в виде корреляционной матрицы. Нажмите
ОК, запустив тем самым анализ.
      В результате работы программы появляется новая панель с расчетными
характеристиками (см. стр. 33). На появившейся панели отображается множе-
ственный коэффициент корреляции (R), его квадрат (коэффициент детерми-
нации), “скорректированный” коэффициент детерминации. Коэффициент
множественной корреляции R определяет степень тесноты связи результи-
рующего признака Y со всем набором независимых признаков X1,...,Xk. В слу-
чае парной регрессии (т.е. при наличии всего одного признака X1) R совпадает
с коэффициентом корреляции Пирсона. По значению R-квадрат можно опре-
делить, насколько хорошо модель описывает данные, так как значение R рав-
                                     32

Страницы