因變量

在眾多應(yīng)用中，因變量與自變量的關(guān)系是非常復(fù)雜的.研究多個(gè)自變量與因變量之間的關(guān)系，就不得不考慮自變量之間的交互作用，因?yàn)榻换プ饔脮?huì)嚴(yán)重影響自變量與因變量的關(guān)系[1-5].不排除交互作用的干擾，會(huì)出現(xiàn)什么問(wèn)題呢? 交互作用會(huì)造成因變量和自變量之間相關(guān)關(guān)系的偏倚，導(dǎo)致因變量與自變量之間的任何一種相關(guān)程度增大或減少[6-8].特別是當(dāng)因變量和自變量不相關(guān)時(shí)，由于交互作用還會(huì)導(dǎo)致它們之間存在假的相關(guān)性[9].如何排除交互作用研究多自變量與因變量間的關(guān)系，是當(dāng)前大學(xué)

是關(guān)注自變量、因變量的確定以及對(duì)照的設(shè)置，并總結(jié)出其書寫格式。［關(guān)鍵詞］實(shí)驗(yàn)思路；設(shè)計(jì)；高考生物試題；自變量；因變量；對(duì)照［中圖分類號(hào)］ ? ?G633.91 ? ? ? ?［文獻(xiàn)標(biāo)識(shí)碼］ ? ?A ? ? ? ?［文章編號(hào)］ ? ?1674-6058（2022）23-0081-03生物高考著重考查學(xué)生的思維能力和探究能力，而高考生物實(shí)驗(yàn)題對(duì)這方面的考查尤為突出。高考生物實(shí)驗(yàn)的考查題型多樣化，有實(shí)驗(yàn)分析題型、實(shí)驗(yàn)設(shè)計(jì)題型、實(shí)驗(yàn)評(píng)價(jià)與修正題型等。實(shí)驗(yàn)設(shè)計(jì)又分

預(yù)報(bào)對(duì)象是分類因變量的情況，如一條河流未來(lái)來(lái)水是偏豐、正常還是偏枯。本文通過(guò)選用五圣宮水文站前期預(yù)報(bào)因子，將4至5月平均流量構(gòu)建為反映春季來(lái)水偏豐、正?；蚱莸姆诸?span id="j5i0abt0b" class="hl">因變量，對(duì)分類因變量未來(lái)各類可能發(fā)生的概率用多項(xiàng)Logistic回歸分析進(jìn)行嘗試性的預(yù)報(bào)，確保符合精度要求。1 基本思路多項(xiàng)Logistic回歸分析是指通過(guò)一組預(yù)報(bào)因子，采用多個(gè)二值Logistic回歸方程，來(lái)描述分類因變量各類與參照類相比的條件下預(yù)報(bào)因子對(duì)預(yù)報(bào)對(duì)象的作用。如果預(yù)報(bào)對(duì)象y(分類因

個(gè)自變量單獨(dú)對(duì)因變量的作用。其中各個(gè)自變量處于相同地位，對(duì)因變量的作用是并列。如果在兩個(gè)變量之間加上中介變量，一個(gè)變量既是自變量又是因變量時(shí)，存在多個(gè)環(huán)節(jié)，這就構(gòu)成路徑。多元回歸就不能兼顧這種因果關(guān)系。路（通）徑分析(Path Analysis,Sewall Wright,1921)是相關(guān)系數(shù)分解的一種統(tǒng)計(jì)方法，不僅揭示自變量xi(i=1,2,…m)與因變量y的直接影響力和間接影響力，而且可以在xi,y間的復(fù)雜關(guān)系中，從某個(gè)自變量與其他自變量的“協(xié)調(diào)”關(guān)系

寫相應(yīng)內(nèi)容。由因變量的檢測(cè)方法，自變量和因變量的關(guān)系，構(gòu)建實(shí)驗(yàn)設(shè)計(jì)題型的第一種書寫模型?！窘處熯M(jìn)行問(wèn)題引導(dǎo)】設(shè)計(jì)實(shí)驗(yàn)時(shí)，需要關(guān)注的問(wèn)題：一是本實(shí)驗(yàn)的自變量是？因變量是？定性實(shí)驗(yàn)還是定量實(shí)驗(yàn)？實(shí)驗(yàn)處理是施用加法原則還是減法原則？二是實(shí)驗(yàn)中對(duì)因變量的檢測(cè)若涉及到物質(zhì)的運(yùn)輸類、過(guò)程類時(shí)，一般要對(duì)該物質(zhì)作上標(biāo)記，本實(shí)驗(yàn)采用放射性同位素標(biāo)記法。三是應(yīng)該如何標(biāo)記營(yíng)養(yǎng)物質(zhì)？在對(duì)物質(zhì)進(jìn)行標(biāo)記時(shí)，往往標(biāo)記的是合成該物質(zhì)的原料，如課本中涉及分泌蛋白的合成和加工的過(guò)程，標(biāo)記的是

假設(shè)糧食產(chǎn)量為因變量y，糧食作物面積、單位面積產(chǎn)量、鄉(xiāng)村從業(yè)人數(shù)、農(nóng)田有效灌溉面積、化肥施用量分別為自變量x1、x2、x3、x4、x5，因變量和自變量之間存在線性關(guān)系。二、數(shù)據(jù)分析（一）對(duì)因變量y進(jìn)行正態(tài)性檢驗(yàn)打開SPSS軟件，選擇菜單分析（A）—描述統(tǒng)計(jì)（E）—探索（E），將y選入因變量列表，繪圖（T）選擇待檢驗(yàn)的正態(tài)圖，對(duì)因變量y進(jìn)行正態(tài)性檢驗(yàn)。從表2輸出結(jié)果得到正態(tài)性檢驗(yàn)有兩種方法，KS檢驗(yàn)法和SW檢驗(yàn)法。因樣本量為12個(gè)，小樣本適用SW檢驗(yàn)法，即統(tǒng)

，表征自變量對(duì)因變量影響的程度?；诖朔N情況，情況本文研究選取了79種車系237個(gè)車型的中型車數(shù)據(jù)，包括中國(guó)、美國(guó)、日本、德國(guó)、法國(guó)、韓國(guó)等多種品牌。關(guān)鍵詞：回歸模型分析;回歸模型;動(dòng)力性因素;因變量;自變量回歸分析（regression analysis）是研究一個(gè)變量（被解釋變量）關(guān)于另一個(gè)（些）變量（解釋變量）的具體依賴關(guān)系的計(jì)算方法和理論。從一組樣本數(shù)據(jù)出發(fā)，確定變量之間的數(shù)學(xué)關(guān)系式對(duì)這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并從影響某一特定變量的諸多

假設(shè)糧食產(chǎn)量為因變量y，糧食作物面積、單位面積產(chǎn)量、鄉(xiāng)村從業(yè)人數(shù)、農(nóng)田有效灌溉面積、化肥施用量分別為自變量x1、x2、x3、x4、x5，因變量和自變量之間存在線性關(guān)系。二、數(shù)據(jù)分析（一）對(duì)因變量y 進(jìn)行正態(tài)性檢驗(yàn)打開SPSS 軟件，選擇菜單分析（A）—描述統(tǒng)計(jì)（E）—探索（E），將y 選入因變量列表，繪圖（T）選擇待檢驗(yàn)的正態(tài)圖，對(duì)因變量y 進(jìn)行正態(tài)性檢驗(yàn)。從表2 輸出結(jié)果得到正態(tài)性檢驗(yàn)有兩種方法，KS 檢驗(yàn)法和SW 檢驗(yàn)法。因樣本量為12 個(gè)，小樣本適用

次模型;變量;因變量Key words： Fast Fashion;attribute;four-dimensional hierarchy model;variable;dependent variable中圖分類號(hào)：O211.5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）03-0263-040? 引言

概 述相對(duì)于因變量是“計(jì)數(shù)變量”和“定性變量”而言，因變量為“計(jì)量變量”的回歸建模方法的種類更多。其中，若按是否采用“適應(yīng)性回歸分析”可劃分為以下兩類：適應(yīng)性回歸分析[1-2]與非適應(yīng)性回歸分析[3-12]。在非適應(yīng)性回歸分析方法中，最常用且最有代表性的就是多重線性回歸分析方法，在SAS軟件中，可以通過(guò)REG過(guò)程來(lái)實(shí)現(xiàn)。本文將采用ADAPTIVEREG過(guò)程和REG過(guò)程來(lái)實(shí)現(xiàn)對(duì)同一個(gè)數(shù)據(jù)集的回歸建模，并結(jié)合數(shù)據(jù)集和數(shù)據(jù)子集的真實(shí)情況，反映并揭示兩種建模思想

實(shí)驗(yàn) 自變量 因變量 無(wú)關(guān)變量中圖分類號(hào)G633.91 文獻(xiàn)標(biāo)志碼B近幾年的高考試題及新考試說(shuō)明無(wú)不體現(xiàn)出對(duì)實(shí)驗(yàn)與探究能力考查的重視程度，與此同時(shí)，考生在這類題目上的信心和得分率也是比較低的。究其原因，是學(xué)生平時(shí)做題時(shí)沒(méi)有進(jìn)行及時(shí)的總結(jié)歸納，對(duì)實(shí)驗(yàn)相關(guān)理論的學(xué)習(xí)從高一開始就是支離破碎的。經(jīng)過(guò)高中的學(xué)習(xí)，學(xué)生對(duì)這類題目已經(jīng)有了量的積累，因此，教師可在二輪復(fù)習(xí)中向?qū)W生系統(tǒng)性地講解實(shí)驗(yàn)相關(guān)理論。實(shí)驗(yàn)是依據(jù)假設(shè)，在人為控制條件下，對(duì)實(shí)驗(yàn)變量的變化和結(jié)果進(jìn)行捕獲解釋

對(duì)定量自變量與因變量的多種變量變換方法)，較好地提高了回歸模型的擬合優(yōu)度。然而，“算術(shù)均值變換”有改進(jìn)的余地。因?yàn)樵谟?jì)算多值名義自變量各水平組中定量因變量的均值時(shí)，其“隱含前提條件”是“沒(méi)有其他自變量”或“其他自變量的影響完全相同”。事實(shí)上，在具有多自變量的回歸分析資料中，除了“多值名義自變量或多值有序自變量或二值自變量”外，還有多個(gè)“定量自變量”，而且，沒(méi)有理由認(rèn)為這些“定量自變量”滿足前面述及的“隱含前提條件”。需要借助“協(xié)方差分析”的計(jì)算方法消除“其

的自變量和/或因變量不作任何變換。然而，由基本常識(shí)可知，前述做法是不切實(shí)際的，通常情況下，效果是不夠好的。因?yàn)樽兞恐g的關(guān)系往往是錯(cuò)綜復(fù)雜的，它們之間永遠(yuǎn)以“一次方”形式存在聯(lián)系的可能性是非常罕見(jiàn)的。因變量Y可能與某個(gè)自變量之間是拋物線關(guān)系、指數(shù)曲線關(guān)系或?qū)?shù)曲線關(guān)系；因變量Y本身可能偏離正態(tài)分布很遠(yuǎn)，而很多統(tǒng)計(jì)模型要求因變量必須服從正態(tài)分布。因此，需要對(duì)定量因變量作合適的變量變換，以使其符合特定統(tǒng)計(jì)模型的基本要求；需要對(duì)某些定量自變量作合適的變量變換，以

統(tǒng)的線性回歸中因變量為分類變量的局限性出發(fā)，引出廣義線性回歸模型。再由Logistic回歸模型與線性回歸模型的比對(duì)，研究了Logistic模型的理論推導(dǎo)過(guò)程，介紹了模型中的連接函數(shù)和發(fā)生比概念。最后嘗試使用Logistic回歸模型在金融數(shù)據(jù)中進(jìn)行簡(jiǎn)單應(yīng)用。關(guān)鍵詞：Logistic回歸模型 廣義線性回歸 連接函數(shù)引言在傳統(tǒng)的線性回歸模型中，自變量的變量類型和值域是沒(méi)有限制的。但是線性回歸模型中對(duì)于因變量的假設(shè)是連續(xù)的、服從標(biāo)準(zhǔn)正態(tài)分布的。而在實(shí)際的應(yīng)用中往往

回歸分析是研究因變量如何依賴自變量變化而變化的規(guī)律的重要統(tǒng)計(jì)分析方法之一，然而，回歸分析的基本要素涉及兩個(gè)方面，其一，變量狀態(tài)及相互間關(guān)系；其二，樣品(測(cè)定變量取值的對(duì)象)狀態(tài)及相互間關(guān)系。因篇幅所限，本文僅討論前述的“第一個(gè)要素”。2 變量狀態(tài)2.1 因變量狀態(tài)一般來(lái)說(shuō)，可將因變量分為四種狀態(tài)，即計(jì)量的、計(jì)數(shù)的、有序的(也被稱為等級(jí)的)和定性的；事實(shí)上，在實(shí)際應(yīng)用中，還有一種狀態(tài)，即“相異性”或“相似性”大小的度量，被稱為“非度量型數(shù)據(jù)”[1]。例如，度

i代表行變量，因變量F（i）代表空格個(gè)數(shù)，可以直接生成3的二者的關(guān)系模型圖，如圖3所示3、將關(guān)系模型圖轉(zhuǎn)換成坐標(biāo)圖（坐標(biāo)化）在坐標(biāo)軸上建立起自變量i和因變量函數(shù)F（i）的點(diǎn)當(dāng)自變量i=1時(shí)，因變量F（i）=2，確立A點(diǎn)（1，2）當(dāng)自變量i=2時(shí)，因變量F（i）=1，確立B點(diǎn)（2，1）當(dāng)自變量i=3時(shí)，因變量F（i）=0，確立C點(diǎn)（3，0）4、利用一元二次方程組知識(shí)求解AB連線的方程組，并驗(yàn)證C點(diǎn)是否在線上（解析化）利用傳統(tǒng)數(shù)學(xué)中的坐標(biāo)軸體系來(lái)解析出AB線的

能刻畫自變量和因變量非線性的關(guān)系；（2）對(duì)異常值比較敏感。這個(gè)問(wèn)題最早由Garher和Guddat在討論Fan和Lv(2008)[1]的SIS文章討論中提出，即SIS對(duì)于模型假設(shè)和異常值(Outliers)不穩(wěn)健。SIS自2008年提出，目前已從線性模型推廣到廣義線性模型、可加模型、變系數(shù)模型和模型釋放(Model-free)等(Fan等2009,2010,2011,2014；Liu等2014)[2-6]。本文主要研究模型釋放的超高維變量篩選。模型釋放不需

）看圖寫法則，因變量到某個(gè)自變量有幾條道路，對(duì)該自變量的（偏）導(dǎo)數(shù)就是幾個(gè)部分之和，每個(gè)部分（對(duì)應(yīng)一條道路）用一元鏈?zhǔn)椒▌t求出因變量對(duì)該自變量的導(dǎo)數(shù)；（3）一元求導(dǎo)用“d”，多元求導(dǎo)用“”；（4）將中間變量的表達(dá)式代入求導(dǎo)結(jié)果表達(dá)式中.下面結(jié)合例題，分三種情況來(lái)闡述復(fù)合函數(shù)求導(dǎo)法則.一、復(fù)合函數(shù)的中間變量為一元函數(shù)的情形z=f[u（t），v（t）]例1 設(shè)z=uv+sint，而u=et，v=cost，求dzdt.解 （1）正確畫出復(fù)合函數(shù)關(guān)系圖.z是u，v

具體方法是先按因變量的性質(zhì)分為定量因變量與定性因變量兩大類，再分別按自變量所具備的不同前提條件，并基于經(jīng)典統(tǒng)計(jì)思想構(gòu)建相應(yīng)的回歸模型。初步結(jié)果為：在定量因變量的場(chǎng)合下，經(jīng)典回歸模型大致有16種不同情形；而在定性因變量的場(chǎng)合下，經(jīng)典回歸模型大致有6種不同情形。總之，在構(gòu)建經(jīng)典回歸模型時(shí)，應(yīng)當(dāng)依據(jù)因變量的性質(zhì)和自變量所具備的前提條件，選擇最合適的回歸模型，才能達(dá)到比較理想的統(tǒng)計(jì)分析目的。自變量；因變量；變量變換；多重共線性；多重線性回歸模型*Correspon

參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法。如：《小隱靜脈栓塞對(duì)腓腸神經(jīng)營(yíng)養(yǎng)血管逆行皮瓣影響的實(shí)驗(yàn)研究》。題目寫好后先進(jìn)行自我審查：文題是否準(zhǔn)確的描述了所報(bào)道的研究?是否有誤導(dǎo)或不完整的情況？是否包含足夠的信息以使讀者了解論文內(nèi)容：重要的關(guān)鍵詞、研究所涉及的主要參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法?1008-5572(2017)08-0739-04R683.42B2016-12-16朱成明(1979- )，男，主治醫(yī)師，柳州市工人醫(yī)院骨科，5

函數(shù)；偏導(dǎo)數(shù)；因變量；中間變量；自變量多元復(fù)合函數(shù)的求導(dǎo)法則在多元微分學(xué)中占有重要的地位，在《高等數(shù)學(xué)》課程的教學(xué)中既是重點(diǎn)也是個(gè)難點(diǎn)。與一元復(fù)合函數(shù)求導(dǎo)法則相比，多元復(fù)合函數(shù)求導(dǎo)數(shù)更加復(fù)雜，對(duì)學(xué)生來(lái)說(shuō)更加有難度。多元復(fù)合函數(shù)有許多種情況，但只要掌握好最基本情形求導(dǎo)法則的思想，其他情況無(wú)論怎么變化都能夠很好地解決。首先來(lái)談?wù)勎以诮虒W(xué)中是如何講解最基本的一種多元復(fù)合函數(shù)求導(dǎo)法則的?！陡叩葦?shù)學(xué)》課程中的數(shù)學(xué)公式很多，學(xué)生記起來(lái)感覺(jué)困難，從上面的分析講解我們可以

化能；自變量；因變量G633.91首先：教學(xué)理念的設(shè)計(jì)是關(guān)鍵環(huán)節(jié)生物學(xué)科是一門實(shí)驗(yàn)性學(xué)科，通過(guò)實(shí)驗(yàn)解決疑難問(wèn)題是常用手段，利用同學(xué)們已有的學(xué)習(xí)體驗(yàn)（實(shí)驗(yàn)室利用雙氧水制取氧氣）來(lái)歸納實(shí)驗(yàn)變量的種類，在探究的過(guò)程中有意識(shí)制造疑團(tuán)，讓同學(xué)們?cè)谫|(zhì)疑的前提下主動(dòng)思考，也即落實(shí)“質(zhì)疑驅(qū)動(dòng)自主學(xué)習(xí)”。在解決矛盾沖突的過(guò)程中達(dá)成知識(shí)目標(biāo)?；罨芨拍畹睦斫馐潜竟?jié)難點(diǎn)，故將要達(dá)成的知識(shí)目標(biāo)“說(shuō)出酶在細(xì)胞代謝中的作用”分設(shè)為兩個(gè)子目標(biāo)：“1、說(shuō)出細(xì)胞代謝的實(shí)現(xiàn)需要酶的催化作用。

參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法。如：《小隱靜脈栓塞對(duì)腓腸神經(jīng)營(yíng)養(yǎng)血管逆行皮瓣影響的實(shí)驗(yàn)研究》。題目寫好后先進(jìn)行自我審查：文題是否準(zhǔn)確的描述了所報(bào)道的研究?是否有誤導(dǎo)或不完整的情況？是否包含足夠的信息以使讀者了解論文內(nèi)容：重要的關(guān)鍵詞、研究所涉及的主要參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法?孫標(biāo)(1977- )，男，主治醫(yī)師，湖北宜昌市中醫(yī)醫(yī)院骨傷2科，443001。讀者·編者·作者

參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法。如：《小隱靜脈栓塞對(duì)腓腸神經(jīng)營(yíng)養(yǎng)血管逆行皮瓣影響的實(shí)驗(yàn)研究》。題目寫好后先進(jìn)行自我審查：文題是否準(zhǔn)確的描述了所報(bào)道的研究?是否有誤導(dǎo)或不完整的情況？是否包含足夠的信息以使讀者了解論文內(nèi)容：重要的關(guān)鍵詞、研究所涉及的主要參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法?黎運(yùn)發(fā)(1990- )，男，研究生在讀，廣州中醫(yī)藥大學(xué)，510405。讀者·編者·作者

時(shí)顧及自變量和因變量觀測(cè)誤差的總體最小二乘方法近年來(lái)得到了廣泛研究，但在模型預(yù)測(cè)時(shí)，依然忽略了待預(yù)測(cè)自變量的觀測(cè)誤差。對(duì)此，本文提出了一種嚴(yán)格考慮所有變量觀測(cè)誤差的無(wú)縫線性回歸和預(yù)測(cè)模型，該模型將回歸模型的建立和因變量預(yù)測(cè)聯(lián)合處理，在建立回歸模型過(guò)程中對(duì)待預(yù)測(cè)自變量的觀測(cè)誤差進(jìn)行估計(jì)并修正，從而提高了模型預(yù)測(cè)效果。理論證明，現(xiàn)有的幾種線性回歸模型都是無(wú)縫線性回歸和預(yù)測(cè)模型的特例。試驗(yàn)結(jié)果表明，無(wú)縫線性回歸和預(yù)測(cè)模型的預(yù)測(cè)效果優(yōu)于現(xiàn)有的幾種模型，尤其在變量觀

論述線性回歸的因變量置信區(qū)間和因變量個(gè)別值的預(yù)測(cè)區(qū)間原理后，結(jié)合實(shí)例分析了學(xué)生總數(shù)與季度營(yíng)業(yè)額2個(gè)變量的關(guān)系.研究發(fā)現(xiàn)，學(xué)生總數(shù)與季度營(yíng)業(yè)額關(guān)系存在很強(qiáng)的正向線性關(guān)系（r＝0.950 1），可決系數(shù)（R2＝0.902 7）可以解釋總平方和中的90.27%，表明其擬合度很好.之后，給出了因變量平均值的置信區(qū)間、因變量個(gè)別值的預(yù)測(cè)區(qū)間及圖形.回歸分析；置信區(qū)間；預(yù)測(cè)區(qū)間；學(xué)生總數(shù)；季度營(yíng)業(yè)額一元線性回歸預(yù)測(cè)法是指成對(duì)的2個(gè)變量數(shù)據(jù)分布大體上呈直線趨勢(shì)時(shí)，運(yùn)用合

參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法。如:《小隱靜脈栓塞對(duì)腓腸神經(jīng)營(yíng)養(yǎng)血管逆行皮瓣影響的實(shí)驗(yàn)研究》。題目寫好后先進(jìn)行自我審查:文題是否準(zhǔn)確的描述了所報(bào)道的研究?是否有誤導(dǎo)或不完整的情況?是否包含足夠的信息以使讀者了解論文內(nèi)容:重要的關(guān)鍵詞、研究所涉及的主要參數(shù)(自變量、因變量)、研究對(duì)象和/或研究方法?怎樣寫好討論?討論是對(duì)研究結(jié)果進(jìn)行闡明、推理和評(píng)價(jià)，因文而異，寫法較自由。但要注意以下問(wèn)題:a)總結(jié)主要的研究結(jié)果，解釋研究結(jié)果;b)當(dāng)前研究與以

常用它們來(lái)描述因變量與自變量的相關(guān)性和回歸關(guān)系，但它們各自表達(dá)的統(tǒng)計(jì)學(xué)意義卻不相同，因此三者不能混用。三者的關(guān)系是在一個(gè)因變量與一個(gè)自變量的線性相關(guān)和回歸中，相關(guān)性符號(hào)用r，回歸關(guān)系符號(hào)用R2；而在一個(gè)因變量的非線性回歸或一個(gè)因變量與多個(gè)自變量的線性相關(guān)和回歸中，相關(guān)符號(hào)須用R，這時(shí)回歸關(guān)系符號(hào)應(yīng)該用R2。r、R、R2使用錯(cuò)誤，不但改變了使用符號(hào)的含意，同時(shí)也會(huì)使整個(gè)回歸分析出現(xiàn)錯(cuò)誤，因此，希望作者在回歸分析中務(wù)必正確使用。(本刊編輯部)

提高多分類定性因變量的預(yù)測(cè)準(zhǔn)確率，在二分類Logistic回歸模型的基礎(chǔ)上，對(duì)實(shí)際統(tǒng)計(jì)數(shù)據(jù)建立三類別的Logistic模型.采用似然比檢驗(yàn)法對(duì)自變量的顯著性進(jìn)行檢驗(yàn)，剔除了不顯著的變量；對(duì)每個(gè)類別的因變量都確定了1個(gè)線性回歸函數(shù)，并進(jìn)行了模型檢驗(yàn).分析結(jié)果表明，在處理因變量為定性變量的回歸分析中，Logistic模型具有很好的預(yù)測(cè)準(zhǔn)確度和實(shí)用推廣性.定性變量；Logistic回歸模型；預(yù)測(cè)Logistic回歸屬于概率型非線性回歸，是分析因變量為定性變量的常