《表3 属性变量与MOOC用户流失的相关性检验》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于改进RFM与GMDH算法的MOOC用户流失预测》
为精确变量影响程度，对其余指标进行卡方检验，结果如表3所示。
| 图表编号 | XD00145546600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.30 |
| 作者 | 魏玲、郭新悦 |
| 绘制单位 | 哈尔滨理工大学经济与管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表3 分类结果比较：基于Stacking集成学习的流失用户预测方法》2020.11.30
- 《表3 使用者属性与使用目的卡方和相关性检验》2018.12.01
- 《表2 自变量的信度检验：虚拟学习情境下MOOC学习中知识转移绩效影响因素研究》2020.07.10
- 《表2 自变量的信度检验：虚拟学习情境下MOOC学习中知识转移绩效影响因素研究》2020.07.10
- 《表3 用户类型划分表：高校移动图书馆App用户流失实证研究》2020.05.25
- 《表3 悬赏与其余属性间的偏相关关系检验》2020.07.15
- 《表2 MOOC用户流失预测变量》2020.09.30
- 《表3 数据处理方式：采用混合模型的电信领域用户流失预测》2019.12.15
- 《表5 不同属性与总分之间的相关性检验》2020.02.10
- 《表2 模型评估：深度学习视阈下MOOC学习者流失预测及干预研究》2019.11.15
- 《表3 新西兰版块用户社会互动位置与信息位置的斯皮尔曼相关性检验》2019.09.01
- 《表7 模型预测评估：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表4 有效特征信息：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表3 基本特征信息：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表2 数据文件说明：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表4 MOOC设计属性、学生参与度与学习效果的总体平均数与标准差》2019.06.01
- 《表5 MOOC设计属性、学生参与度与学习效果之间的相关分析》2019.06.01
- 《表3 使用频率与使用者属性和使用特征的卡方检验与相关性分析》2019.02.20
- 《表5 感知隐私风险和满意度与用户流失的相关分析》2019.01.18
- 《表1 文献基本信息：MOOC中学习者流失问题的预测分析——基于24篇中英文文献的综述》2018.04.30