《表1 1 模型摘要:基于线性回归模型的颜色与物质浓度辨识应用研究》
a:预测值:(常数),G b:预测值(常数),G,H
根据以上结果,虽然该模型的显著性小于0.01,然而,可以看出模型中颜色变量G,B,S的显著性大于0.05。因此,运用多元线性回归模型Enter输入法进行拟合的线性回归模型失效,因此该模型不好。为了能够更好地研究颜色读数和物质浓度的数学模型,我们先对附件2中的数据进行双变量相关分析,运用Pearson相关系数,得出相应的结果。从结果中可以看出,二氧化硫的浓度与R,G,H的相关系数较高,从而可判断,二氧化硫的浓度与R,G,H有关。接着,通过SPSS22软件进行多元线性中的逐步回归得出结果,见表11,12。
图表编号 | XD0032544500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.28 |
作者 | 韦碧鹏、黎金清、刘剑锋、杨雪 |
绘制单位 | 柳州职业技术学院、柳州职业技术学院、柳州职业技术学院、柳州职业技术学院 |
更多格式 | 高清、无水印(增值服务) |