| 表一：相关系数表
2.3.2 回归分析及结果
表二：模型摘要
表三：方差分析
表四：回归系数
2.3.3回归模型检验
（1）根据表二知，该模型的复相关系数 ，样本决定系数 ，说明该模型的拟合度很好。
（2）根据表三得， = .146， = .693， =75502488.453，得到 = 31780.39。给定显著水平 =0.05，则否定域为 ， 。 ，落在否定域之中，所以拒绝零假设，表明自变量 全体对因变量 产生显著线性影响，通过校验。
（3）根据表四得到模型方程的回归系数的显著性检验，自变量 对 均有显著影响，但风向 在5%的显著水平上 ，没有通过 校验；大气静压 的方差膨胀因子为22.783和巡航空速 的方差膨胀因子为18.497，都大于10，因此可以证明该模型存在较严重的多重共线性现象。
根据上述现象，可以看出该方法得到的回归模型不是很理想，可能是自变量较多，且他们之间存在较多的多重共线性造成的。因此，采用逐步回归的分析方法对巡航燃油消耗重新建模。
2.4逐步回归分析法建模
2.4.1模型变量的筛选
从表一可以看出，海拔高度 与大气静压的相关系数 ，明显存在共线性的关系，因此，考虑到飞机性能方面，把大气静压从模型中排除，保留海拔高度，利用逐步分析法对剩下的 进行模型回归。
2.4.2．回归分析及结果
以飞机巡航阶段燃油总消耗 为因变量，选用上述7个影响燃油消耗的因素作为回归模型的自变量并采用逐步回归分析法对巡航阶段的燃油流消耗建立回归模型，输出以下结果：
表五：模型摘要
表六 方差分析
表七回归系数
2.4.3．回归模型检验
根据表七可以看出最后回归得到的模型方程为
其标准回归方程为
其中 为巡航飞机总重、 为巡航时间、 为巡航大气总温、 为巡航风速、巡航空速、为巡航总油耗。
（1）根据表五知，该模型的复相关系数，样本决定系数，与普通最小二乘法得到的一样，说明采用逐步回归分析方法删除了对因变量没有影响的自变量后，对模型的拟合度影响几乎没有，而且拟合的效果非常好。
4/5 首页 上一页 2 3 4 5 下一页 尾页 |
