对t p>[t] F R^2 置信区间的值做出相应解释 因变量是新生儿体重birth weight 主题是产前护理及父母恶习对新生儿健康的影响 此外hypothesis假设应该怎么写.
首先说觉得你这个方程回归的不好，R系数太小，显著性不好。F值应该大于该自由度下查表的值才行，所有的t值大于查表得到的值，这样从方程到参量全部显著。不过受制于原始数据，一般都不完美，回归的方程都这样鸟样，能凑合用。F值代表整个方程的显著程度，F>F(P，n-P-1)，n为数据组数，P为自变量个数。F，t可以查表或者用函数求解。置信区间严格说不能包括0的，包括0表明该自变量对因变量不显著，需要剔除重新回归的。p值需要小于默认的alpha值，也就是p＜0．05才表明方程显著。
可是，我很疑惑你的主题。如果只是想要得到劣习的影响程度顺序，只需要做一下灰色关联分析就行，可以很简单的得到各个影响因素的排序，分清楚主要影响和次要影响。多元线性回归数据不好的话出来的误差很大，而且不做－5％～5％敏感度浮动分析也看不出来谁的影响更大，除非你自己编程能一直自动的判定显著性并且会自动重新回归。
小弟也是工作需要，最近自学的这部分内容，不知道说的对不，互通有无吧。
另外，hypothesis假设没看懂。我是用MATLAB和EXCEL做的多元线性回归，EXCEL做的灰色关联分析。
追问：
就是原假设应该怎么写啊 不能给分析下这几个数据吗
追答：
我没用过你这个软件，用matlab回归程序很简单，可以直接从EXCEL导入然后直接进行矩阵引用。
我的意思是，这里面明显的R可以说很差，F和t你的查表对照一下才可以判定，属于比较大小，没有查表的值无法说你这个F和t是好是坏。
p值不知道为啥有3个？一般回归出来貌似就一个p吧，只要小于默认的alpha就行。置信区间这个你有2个都是包括0的，明显不好啊。
说实话，我做回归的时候没特别在意这个，因为数据不好，怎么回归都是R很小，线性相关差，我也不想去删数据点来造假拟合。
如果你只是想要得到影响程度的排序，推荐灰色关联排序分析。
