单选题

在选定Y为响应变量后,选定了X1,X2,X3为自变量,并且用最小二乘法建立了多元回归方程。在MINITAB软件输出的ANOVA表中,看到P-Value=0.0021。在统计分析的输出中,找到了对各个回归系数是否为0的显著性检验结果。由此可以得到的正确判断是().

A3个自变量回归系数检验中,应该至少有1个以上的回归系数的检验结果是显著的(即至少有1个以上的回归系数检验的P-Value小于0.05),不可能出现3个自变量回归系数检

B有可能出现3个自变量回归系数检验的P-Value都大于0.05的情况,这说明数据本身有较多异常值,此时的结果已无意义,要对数据重新审核再来进行回归分析。

C有可能出现3个自变量回归系数检验的P-Value都大于0.05的情况,这说明这3个自变量间可能有相关关系,这种情况很正常。

DANOVA表中的P-VALUE=0.0021说明整个回归模型效果不显著,回归根本无意义。

正确答案

来源:www.examk.com

答案解析

相似试题
  • 响应变量Y与两个自变量(原始数据)X1及X2建立的回归方程为:Y=2.1X1+2.3X2,由此方程可以得到结论是()

    单选题查看答案

  • 响应变量Y与两个自变量(原始数据)X1及X2建立的回归方程为:y=2.2+30000x1+0.0003x2由此方程可以得到结论是().

    单选题查看答案

  • 响应变量Y与两个自变量(原始数据)X1及X2建立的回归方程为y=2.2+30000x1+0.0003x2由此方程可以得到的结论是:()

    单选题查看答案

  • 六西格玛团队分析了历史上本车间产量(Y)与温度(X1)及反应时间(X2)的记录。建立了Y对于X1及X2的线性回归方程,并进行了ANOVA、回归系数显著性检验、相关系数计算等,证明我们选择的模型是有意义的,各项回归系数也都是显著的。下面应该进行().

    单选题查看答案

  • 某工程师完成一个两因子(X1和X2)的全因子试验,得到拟合方程为y=b0+b1X1+b2X2,后来其他工程师建议他最好再做几次中心点的试验,他完成了3个中心点的试验后,重新拟合模型得到一个新的方程,新的拟合方程与原方程相比,以下判断错误的有:()

    多选题查看答案

  • 为了研究轧钢过程中的延伸量控制问题,在经过2水平的4个因子的全因子试验后,得到了回归方程。其中,因子A代表轧压长度,低水平是50cm,高水平为70cm。响应变量Y为延伸量(单位为cm)。在代码化后的回归方程中,A因子的回归系数是4。问,换算为原始变量(未代码化前)的方程时,此回归系数应该是多少?()

    单选题查看答案

  • 响应变量与预测变量之间的拟合线图如下,回归方程为:y=8521-16.56x+0.009084x**2,下图给出了置信区间和预测区间。关于这两个区间的关系,正确的描述是:()

    多选题查看答案

  • 在研究产量(Y)与反应罐压力(Pressure)和反应温度(Temp)时,进行了带有3个中心点的2因子2水平的全因子试验。得到数据后,进行了分析。最初,选定了含Pressure,Temp及Pressure*Temp这3项的全模型。其结果如下 究竟应该如何比较上述全模型及删减模型的结果:()

    单选题查看答案

  • 在试验设计的最后阶段,已经确认了3个关键影响因素,且3个因素的影响可能非线性,我们想知道响应变量Y究竟如何依赖于3个关键影响因素,进而找到自变量的设置,使得响应变量能取得最佳值(望大或望小),选择哪种设计较好?()

    单选题查看答案