主题:【求助】什么是lack-of-fit test(失拟)?

浏览0 回复6 电梯直达
henry1126
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
悬赏金额:20积分 状态: 已解决
最近投了一篇关于液质残留分析的文章,审稿人说一元线性拟合的相关系数R不能很好说明线性好坏,建议做lack-of-fit test。这是什么意思?求求大家帮忙了。SPSSV12.0可以做吗?F值和P值具体有什么意义?lack of fit 怎么判断线性好坏?

(哪位详细点教教我好吗?)
推荐答案:qpzsu回复于2009/08/18
orgin或excel,都可以处理,你最好参考本书,最小二乘法回归的方差分析

concentration    area                
0    0               
1.24    29152.3               
2.37    47025.3               
5.12    86852.3               
8.12    132450.6               
                   
                   
SUMMARY OUTPUT                   
                   
回归统计                   
Multiple R    0.99992619               
R Square    0.999852385               
Adjusted R Square    0.999778578               
标准误差    683.0099322               
观测值    4               
                   
方差分析                   
    df    SS    MS    F    Significance F
回归分析    1    6319604416    6319604416    13546.77306    7.38101E-05
残差    2    933005.1351    466502.5675       
总计    3    6320537421           
补充答案:

dickwang2008回复于2009/08/13



建议楼主在数据处理版块发个帖子询问一下,这边我帮你置顶看看有没有高人了解这个。

calfstone回复于2009/08/19

看看数据处理版的回复哈!

为您推荐
您可能想找: 气相色谱仪(GC) 询底价
专属顾问快速对接
立即提交
可能感兴趣
dickwang2008
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由 henry1126 发表:
最近投了一篇关于液质残留分析的文章,审稿人说一元线性拟合的相关系数R不能很好说明线性好坏,建议做lack-of-fit test。这是什么意思?求求大家帮忙了。SPSSV12.0可以做吗?F值和P值具体有什么意义?lack of fit 怎么判断线性好坏?

(哪位详细点教教我好吗?)


建议楼主在数据处理版块发个帖子询问一下,这边我帮你置顶看看有没有高人了解这个。
henry1126
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
qpzsu
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
lack of fit
一般翻译为“失真检验”,你可以使用方差分析或F检验的方法对标准曲线检验,说明残差可以忽略。
henry1126
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由 qpzsu 发表:
lack of fit
一般翻译为“失真检验”,你可以使用方差分析或F检验的方法对标准曲线检验,说明残差可以忽略。

现在概念清楚了,那么spss软件可以处理马?
qpzsu
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
orgin或excel,都可以处理,你最好参考本书,最小二乘法回归的方差分析

concentration    area                
0    0               
1.24    29152.3               
2.37    47025.3               
5.12    86852.3               
8.12    132450.6               
                   
                   
SUMMARY OUTPUT                   
                   
回归统计                   
Multiple R    0.99992619               
R Square    0.999852385               
Adjusted R Square    0.999778578               
标准误差    683.0099322               
观测值    4               
                   
方差分析                   
    df    SS    MS    F    Significance F
回归分析    1    6319604416    6319604416    13546.77306    7.38101E-05
残差    2    933005.1351    466502.5675       
总计    3    6320537421           
calfstone
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
猜你喜欢最新推荐热门推荐更多推荐
品牌合作伙伴