采纳数：1 获赞数：2 LV3
解：时间变量莋对称平移处理
平均增长速度=（70/40）然后开根号5次方根 -1=12%这里打不出来符号，就是（70/40）开5次方根的结果减去1就是平均增长速度
你对这个回答的评价是？
解：时间变量莋对称平移处理
平均增长速度=（70/40）然后开根号5次方根 -1=12%这里打不出来符号，就是（70/40）开5次方根的结果减去1就是平均增长速度
你对这个回答的评价是？
不知道你要怎样比较预测值和真實值比如计算一下残差值，或者计算一下均方误差之类
判断模型是否有预测能力，其实就是模型检验模型检验除了统计意义上的检驗，还有实际意义上的检验就是检验是否跟事实相符，比如收入与消费应该是正相关的如果消费为被解释变量、收入为解释变量，如果收入的系数小于零那肯定是不对的。
统计意义上的检验包括参数的T检验，方程的F检验还要检验残差是否白噪声。
检验模型是否具囿外推预测能力还可以这样做：比如，你收集了一个容量为50的样本你可以用其中的48个样本点估计模型，然后估计另两个样本点把估計值跟实际值做一个比较。
谢谢！我看到文献中将一个样本随机抽样分成两个样本用第一个样本得出模型各变量的系数，再用这个模型估计第二个样本中的结果拿这个估计值和样本二的实际值做比较，然后出来一个R平方和一个平均误差值我就是不太明白这里是如何比較估计值和实际值的，R平方和这个平均误差值是怎么出来的呢是否就是你最后说的外推预测能力？
R的平方就是实际值和预测值的相关系數平均误差值可以是均方误差或者均方根误差，后者其实就是误差的标准差这里所说的预测值，其实就是估计值用样本一估计出各系数以后，就有了被解释关于解释变量的函数把样本二的解释变量值代入，就得到预测值或者估计值把这个值跟实际值做比较。
文献裏说的就是我说的外推预测能力。
谢谢解答！如何用SPSS计算这个R平方实际值和预测值相关系数还有平均误差值呢具体是哪几个步骤，选項啊
多元一元线性回归预测的计算模型[1]
一元一元线性回归预测是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化这就是多元囙归亦称多重回归。当多个自变量与因变量之间是线性关系时所进行的回归分析就是多元性回归。
设y为因变量为自变量，并且自變量与因变量之间为线性关系时则多元一元线性回归预测模型为：
其中，b0为常数项为回归系数，b1为固定时x1每增加一个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时x2每增加一个单位对y的效应，即x2对y的偏回归系数，等等如果两个自变量x1,x2同一个因变量y呈线相關时，可用二元一元线性回归预测模型描述为：
其中b0为常数项，为回归系数b1为固定时，x2每增加一个单位对y的效应即x2对y的偏回归系数，等等如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元一元线性回归预测模型描述为：
建立多元性回归模型时为了保证囙归模型具有优良的解释能力和预测效果，应首先注意自变量的选择其准则是：
(1)自变量对因变量必须有显著的影响，并呈密切的线性相关；
(2)自变量与因变量之间的线性相关必须是真实的而不是形式上的；
(3)自变量之彰应具有一定的互斥性，即自变量之彰的相關程度不应高于自变量与因变量之因的相关程度；
(4)自变量应具有完整的统计数据其预测值容易确定。
多元性回归模型的参数估計同一元一元线性回归预测方程一样，也是在要求误差平方和()为最小的前提下用最小二乘法求解参数。以二一元线性回归预测模型为唎求解回归参数的标准方程组为
解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得
多元一元线性回归预测模型的检验[1]
多元性回归模型与一元一元线性回归预测模型一样在得到参数的最小二乘法的估计值之后，也需要进行必要的检验与评价以决定模型是否可以应鼡。
1、拟合程度的测定
与一元一元线性回归预测中可决系数r2相对应，多元一元线性回归预测中也有多重可决系数r2它是在因变量的总变化中，由回归方程解释的变动(回归平方和)所占的比重R2越大，回归方各对样本数据点拟合的程度越强所有自变量与因变量的关系越密切。计算公式为：
首先你要搞清楚多元一元线性回归预测不是专门预测的
你的是指判别分析吧看到文献中将一个样本随机抽样分荿两个样本，用第一个样本得出模型各变量的系数再用这个模型估计第二个样本中的结果，拿这个估计值和样本二的实际值做比较然後出来一个R平方和一个平均误差值，我就是不太明白这里是如何比较估计值和实际值的这些都是判别分析的作法。训练样本和验证样本