lxy=1117,ly=1365.6, b=,20.62,a=y-b=26,1 所以,线性回归方程是=261+0.62x。 下面用F检验进行方差分析,检验回归的显著性。 S=b1y=69254,S=1y-b1x=67306, ∴F =13.38 颤/(N-2) 查表得Fo0(1,13)=9.07,可见F>F001(1,13),于是我们有99% 的把握认为回归是显著的,即x和y之间存在线性关系。 如果把第二次考试成绩作为基础,根据上面得到的一元线性回归方程 预测第三次考试学生的成绩,可以把第三次考试的成绩填入表5-2(X表 示预测成绩,y表示实际的考试成绩) 表5-2第三次考试成绩 学生12 789101112131415总和 x65%6637687616363756817266 同样,用第三次考试成绩作为基础,又可以预测第四次考试成绩,依 此类推。当然,每一次的预测都应该与实际分数进行比较,判断预测的准 确性,并加以修正 在不需要较为精确地对学生学习水平作出预测的情况下,为避免较大 的计算量,也可以采用比较简单的“平均数”法,粗略地对学生的学习状 况作出回归分析。具体地可以按下面步骤完成。 第一步,分组。把n个测验数据点(X,y)(=1,2,…,n)分成大致 均匀的两组。若n为偶数,则平分成两组;若n为奇数,可lxy＝1117，lyy＝1365.6， 下面用 F 检验进行方差分析，检验回归的显著性。 查表得 F0.01(1，13)＝9.07，可见 F＞F0.01(1，13)，于是我们有 99% 的把握认为回归是显著的，即 x 和 y 之间存在线性关系。 如果把第二次考试成绩作为基础，根据上面得到的一元线性回归方程 预测第三次考试学生的成绩，可以把第三次考试的成绩填入表 5－2(x 表 示预测成绩，y 表示实际的考试成绩)。 同样，用第三次考试成绩作为基础，又可以预测第四次考试成绩，依 此类推。当然，每一次的预测都应该与实际分数进行比较，判断预测的准 确性，并加以修正。 在不需要较为精确地对学生学习水平作出预测的情况下，为避免较大 的计算量，也可以采用比较简单的“平均数”法，粗略地对学生的学习状 况作出回归分析。具体地可以按下面步骤完成。 第一步，分组。把 n 个测验数据点(xi，yi)(i＝1，2，…，n)分成大致 均匀的两组。若 n 为偶数，则平分成两组；若 n 为奇数，可