《表1 四种最优化参数组合模型的VO2max多元线性回归模型结构》

  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

《基于渐增负荷运动的■O_2max预测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：*：P<0.05；***:P<0.001。

多元线性回归分析预测建模方法被用来分析和预测因变量对自变量回归关系的问题[26]，已有研究证明使用该方法进行最大摄氧量的预测具有可靠性及准确性[16]。本研究在贝叶斯线性回归筛选的四种最优参数组合（Bayes best、Bayes 2nd、Bayes 3rd、Bayes 4th）的基础上，利用多元线性回归分析法分别进行线性拟合?VO2max，四种模型结构及参数如表1所示。各模型参数的统计学检验均揭示4种多元线性回归模型系数均具有显著性（P<0.05）。除了模型Bayes 3rd和模型Bayes 4th中参数VE的回归系数显著性最低（P<0.05），其余各模型参数的回归系数均具有极显著意义（P<0.001）。此外，模型Bayes3rd和模型Bayes 4th具有相对较高的R2(0.989），而贝叶斯线性回归获得的参数组合的最优组合在多元线性回归中未能通过R2予以验证。即便如此，多元线性回归模型相对较高的R2仍然验证了贝叶斯线性回归所获取的参数组合的有效性。相对于多元线性回归模型的构建和验证的繁杂性，这一结果揭示了贝叶斯线性回归对线性模型参数的筛选更具有合理性、便捷性和有效性。