GraphPad Prism 统计教程:简单线性回归原理

  1. 线性回归的目标是什么?

  2. 其计算原理是什么?

  3. 经常会混淆线性回归和相关性,它们有什么不同?

  4. 线性回归只是非线性回归的特例,它们有什么不同?

  5. 线性回归有时用于转换的数据,以分析Scatchard、Lineweaver-Burke和类似曲线图,为什么这不是用于分析数据的良好方法?

No.1

线性回归的目标

1. 什么是线性回归?

线性回归使用该模型拟合数据:

下载 (2).jpeg

下载 (3).jpeg

斜率量化了这条线的陡度。其等于X的每单位变化对应的Y的变化,以Y轴的单位除以X轴的单位来表示。如果斜率为正,则Y随着X的增加而增加。如果斜率为负,则Y随着X的增加而减小。X=0时,Y截距是直线的Y值。其定义了线的高程。

:“线性回归”不同于“相关性”。线性回归能够找出根据X预测Y的最佳直线,而相关性不能拟合通过数据点的直线。

文章剩余内容<<<<

猜你喜欢

转载自blog.csdn.net/leroylee7/article/details/113874236