stats 0.672713.01450.0001 说明:b是参数估计值: r可用来估计方差:2=r+(n-m-1) stats的三个数分别是 相关系数r的平方,方差,p值。 4.结果分析 (1)参数B,i=0,1,2,3,以及方差a2的估计值 Bn,B1,,月3分别是 162.8759,-1.2103,-0.6659,-86130 在程序最后加一句:fc=*r(23-3-)可得方差 的估计值为fc=105.8729 (2)模型检验 (a)F检验法:F= SSR/m=130145 SSE/n-m-1) 另外,查“F-分布”表 F-a(m,n-m-1)=F95(3,19)=3.13 因为130145明显大于3.13,所以认为Y与x,x2x3之 间存在显著的线性回归关系。 (b)相关系数r的评价 06727,H=0.8202 通常,当相关系数r大于0.8时,就认为Y与x1,x2,x3有 较强的线性关系 (c)p值检验 p=00001,远远小于置信数a的取值005,这也 表明Y与x1,x2,x线性关系显著 以上三种检验法,都得到Y与x,x2,x线性关系显 著,说明本模型基本反映了病人对医院评价的真实关 系。 (3)残差分析 得到回归模型之后,需进一步考察模型对所给数 据的适用性。 对于第个样本,残差为e1=y- (a)残差向量的正态性图形检验 前面 Matlab计算输出结果中的r、rnt分别代表残 差向量、残差向量的区间估计,继续下命令stats = 0.6727 13.0145 0.0001 说明：b 是参数估计值； r 可用来估计方差： '* /( 1) 2  = r r n − m − stats 的三个数分别是： 相关系数 r 的平方，方差， p 值。 4．结果分析 （1）参数 i ,i = 0,1,2,3 ，以及方差 2  的估计值 0 1 3 ˆ ,..., ˆ ,  ˆ   分别是： 162.8759，-1.2103，-0.6659，-8.6130 在程序最后加一句：fc=r'*r/(23-3-1) 可得方差 2  的估计值为 fc =105.8729 （2）模型检验 （a）F 检验法： /( 1) / − − = SSE n m SSR m F =13.0145 另外，查“F---分布”表： F1− (m,n − m −1) = F0.95(3,19) = 3.13 因为 13.0145 明显大于 3.13，所以认为 Y 与 1 2 3 x , x , x 之 间存在显著的线性回归关系。 （b）相关系数 r 的评价 0.6727, 0.8202 . 2 r = r = 通常，当相关系数 r 大于 0.8 时，就认为 Y 与 1 2 3 x , x , x 有 较强的线性关系。 （c） p 值检验 p=0.0001，远远小于置信数  的取值 0.05，这也 表明 Y 与 1 2 3 x , x , x 线性关系显著。 以上三种检验法，都得到 Y 与 1 2 3 x , x , x 线性关系显 著，说明本模型基本反映了病人对医院评价的真实关 系。 （3）残差分析 得到回归模型之后，需进一步考察模型对所给数 据的适用性。 对于第 i 个样本，残差为 i i i e = y − y ˆ （a）残差向量的正态性图形检验 前面 Matlab 计算输出结果中的 r、rint 分别代表残 差向量、残差向量的区间估计，继续下命令