請問如何用origin對回歸方程進行t檢驗與F檢驗

1樓：墨汁諾

如果是 8.0或者更高的版本，點analysis。

標準化的回歸係數代表自變數也就是**變數和因變數的相關，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差，所以看結果要看標準係數的，非標準化的可以不看。

origin是microcal software公司推出的乙個功能強大的資料分析/科學繪圖軟體，作為windows 應用程式，具備了windows 所提供的諸多方便直觀的特點，尤其適用於那些經常進行大量資料處理及科學繪圖的人員使用。

f檢驗和t檢驗怎麼做

2樓：合卿閣王先生

請搜尋網易雲課堂：生命科學實驗統計分析

在回歸分析中,f檢驗和t檢驗各有什麼作用?

3樓：月似當時

f檢驗用來分析用了超過乙個引數的統計模型，以判斷該模型中的全部或一部分引數是否適合用來估計母體。t檢驗推論差異發生的概率，從而比較兩個平均數的差異是否顯著。

f檢驗對於資料的正態性非常敏感，因此在檢驗方差齊性的時候，levene檢驗,

bartlett檢驗或者brown–forsythe檢驗的穩健性都要優於f檢驗。

f檢驗還可以用於三組或者多組之間的均值比較，但是如果被檢驗的資料無法滿足均是正態分佈的條件時，該資料的穩健型會大打折扣，特別是當顯著性水平比較低時。但是，如果資料符合正態分佈，而且alpha值至少為0.05，該檢驗的穩健型還是相當可靠的。

若兩個母體有相同的方差（方差齊性），那麼可以採用f檢驗，但是該檢驗會呈現極端的非穩健性和非常態性，可以用t檢驗、巴特勒特檢驗等取代。

擴充套件資料

回歸分析是對具有因果關係的影響因素（自變數）和**物件（因變數）所進行的數理統計分析處理。只有當自變數與因變數確實存在某種關係時，建立的回歸方程才有意義。

因此，作為自變數的因素與作為因變數的**物件是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行回歸分析必須要解決的問題。進行相關分析，一般要求出相關關係，以相關係數的大小來判斷自變數和因變數的相關的程度。

回歸**模型是否可用於實際**，取決於對回歸**模型的檢驗和對**誤差的計算。回歸方程只有通過各種檢驗，且**誤差較小，才能將回歸方程作為**模型進行**。

正確應用回歸分析**時應注意：

①用定性分析判斷現象之間的依存關係；

②避免回歸**的任意外推；

③應用合適的資料資料。

4樓：匿名使用者

一元線性回歸裡t檢驗和f檢驗等價，但在多元線性回歸裡，t檢驗可以檢驗各個回歸係數顯著性，f檢驗用來檢驗總體回歸關係的顯著性。

t檢驗常能用作檢驗回歸方程中各個引數的顯著性，而f檢驗則能用作檢驗整個回歸關係的顯著性。各解釋變數聯合起來對被解釋變數有顯著的線性關係，並不意味著每乙個解釋變數分別對被解釋變數有顯著的線性關係。

在一般情形下,t檢驗與f檢驗的結果沒有必然聯絡;但當解釋變數之間兩兩不相關時,若所有解釋變數的係數均通過t檢驗,那麼回歸方程也能通過f檢驗。

求教用origin作相關性分析和回歸分析的方法。

5樓：

相關bai

分析只做相關分du析就可以了，不用zhi回歸分析，雖然兩者之間dao有很多的相通點

內。abc三列容資料，statistics--descriptive statistics--correlation coefficient--open dialog

確定，看pearson correlations表即可。

但一般origin多用於作圖。統計分析（包括相關分析）多用spss和sas。