《表2 中国民航客运量预测模型逐步回归结果》
提示：宽带有限、当前游客访问压缩模式
通过逐步引入其他变量，确定最合适的多元回归方程。回归结果见表2。
| 图表编号 | XD00144239500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.25 |
| 作者 | 刘芳、董奋义 |
| 绘制单位 | 河南农业大学信息与管理科学学院、河南农业大学信息与管理科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 逐步回归分析结果：温湿环境下棉织物的抗皱性能变化规律及其预测模型》2020.10.25
- 《表1 0:2019年7-12月民航客运量预测结果》2021.02.20
- 《表1 1:2020年1-6月民航客运量预测结果》2021.02.20
- 《表5 逐步选择汇总结果：Logistic回归模型在径流丰枯形势预测上的应用》2020.12.25
- 《表2 逐步回归系数：基于逐步回归的PVT-M建筑不舒适度小时数预测模型分析》2020.11.01
- 《表2 实测值与逐步回归预测模型预测值之间的比较》2018.03.08
- 《表4 逐步回归和BP神经网络预测模型比较》2018.03.08
- 《表2 线性模型的估计：基于线性模型的民航客运量影响因素与预测研究》2020.04.01
- 《表1 相关系数：基于线性模型的民航客运量影响因素与预测研究》2020.04.01
- 《表4 Anova表：基于多元线性回归模型的甘肃省民航客运量的影响因素分析》2020.05.05
- 《表5 系数表：基于多元线性回归模型的甘肃省民航客运量的影响因素分析》2020.05.05
- 《表6 逐步回归结果：学生成绩预测模型的对比分析》2020.01.01
- 《表5 模型预测结果分析：基于非线性回归模型的铁路客运需求预测》2019.09.25
- 《表4 数据比对：基于非线性回归模型的铁路客运需求预测》2019.09.25
- 《表3 参数值：基于非线性回归模型的铁路客运需求预测》2019.09.25
- 《表3 8#煤层含气量预测模型1逐步回归分析结果》2019.07.20
- 《表1 NARX、BP、及逐步线性回归模型预测性能对比》2019.06.30
- 《表2 逐步回归方程的预测检验结果》2018.12.01
- 《表4 分析结果：应用多元线性回归模型的铁路客运量预测》2018.09.15
- 《表1 F检验的步骤：应用多元线性回归模型的铁路客运量预测》2018.09.15