1樓：匿名使用者
觀測指標不是因變數
隨自變數的變化而變化的量稱為因變數（反應變數）。如缺氮的完全培養液培養大豆幼苗，停止生長，葉色發黃，最後死亡，就是因變數。再如，在比較過氧化氫在不同條件下的分解實驗中，過氧化氫的分解速率就是因變數。
特別要注意，因變數和觀測指標的區別，因變數是由於自變數的改變而引起的變化，這種變化有時不是直接能觀察到的，要有一定的觀測資料。如不同ph值對過氧化氫酶的活性影響實驗中，自變數是不同ph值，因變數是酶的活性，但是酶的活性不是直接能觀察到的，要通過氣泡放出量來衡量。這時的氣泡放出量是觀察指標而不是因變數。
自變數和因變數的定義是什麼?
2樓：仁昌居士
自變數是會引起其他變數發生變化的變數，是被操縱的。
因變數是由一些變數變化而被影響的量，是被測定或被記錄的。
任何一個系統（或模型）都是由各種變數構成的，當分析這些系統（或模型）時，可以選擇研究其中一些變數對另一些變數的影響，那麼選擇的這些變數就稱為自變數，而被影響的量就被稱為因變數。
3樓：秦也抱只貓
自變數是指：研究者主動操縱，而引起因變數發生變化的因素或條件，因此自變數被看作是因變數的原因。
因變數是指：在函式關係式中，某個量會隨一個（或幾個）變動的量的變動而變動。
在具體的生物學等實驗領域中因變數的理解是：因變數是由於自變數變動而直接（由目的決定）引起變動的量。而在具體的實驗中又有因變數與自變數一起建立的模型以得以觀察其他情況的變化，也長有多個自變數互為補充來研究某一因變數的情況（生長素髮現過程中達爾文父子實驗），以上具體可體會數學中導數的含義。
4樓：看趣君
二者的定義分別為：
1.自變數（independent variable）一詞來自數學。在數學中，y=f（x），在這一方程中自變數是x，因變數是y。
將這個方程運用到心理學的研究中，自變數是指研究者主動操縱，而引起因變數發生變化的因素或條件，因此自變數被看作是因變數的原因。
自變數有連續變數和類別變數之分。如果實驗者操縱的自變數是連續變數，則實驗是函式型實驗。如實驗者操縱的自變數是類別變數，則實驗是因素型的。
在心理學實驗中，一個明顯的問題是要有一個有機體作為被試對刺激作反應。
2.因變數（dependent variable）函式中的專業名詞，也叫函式值。函式關係式中，某些特定的數會隨另一個（或另幾個）會變動的數的變動而變動，就稱為因變數。
如：y=f(x)。此式表示為：
y隨x的變化而變化。y是因變數，x是自變數。另外「因變數」也特指心理實驗中的專業名詞。
5樓：匿名使用者
簡單點說，自變數是「原因」，而因變數就是「結果」。
在實驗中，自變數是由實驗者操縱、掌握的變數。因變數是因為自變數的變化而產生的現象變化或結果。 因此自變數和因變數的相互依存的，沒有自變數就無所謂因變數，沒有因變數也無所謂自變數。
6樓：一馬平川
自變數因變數是數學裡面兩個常用的概念。
7樓：匿名使用者
簡單的來說，自變數就是x,因變數就是y
logistic迴歸分析指標重要程度的主要過程是什麼？
8樓：匿名使用者
logistic迴歸：實際上屬於判別分析，因擁有很差的判別效率而不常用。
1． 應用範圍：
① 適用於流行病學資料的危險因素分析
② 實驗室中藥物的劑量-反應關係
③ 臨床試驗評價
④ 疾病的預後因素分析
2． logistic迴歸的分類：
① 按因變數的資料型別分：
二分類多分類
其中二分較為常用
② 按研究方法分：
條 件logistic迴歸
非條件logistic迴歸
兩者針對的資料型別不一樣，後者針對成組研究，前者針對配對或配伍研究。
3．logistic迴歸的應用條件是：
① 獨立性。各觀測物件間是相互獨立的；
② logitp與自變數是線性關係；
③ 樣本量。經驗值是病例對照各50例以上或為自變數的5-10倍（以10倍為宜），不過隨著統計技術和軟體的發展，樣本量較小或不能進行似然估計的情況下可採用精確logistic迴歸分析，此時要求分析變數不能太多，且變數分類不能太多；
④ 當佇列資料進行logistic迴歸分析時，觀察時間應該相同，否則需考慮觀察時間的影響（建議用poisson迴歸）。
4． 擬和logistic迴歸方程的步驟：
① 對每一個變數進行量化，並進行單因素分析；
② 資料的離散化，對於連續性變數在分析過程中常常需要進行離散變成等級資料。可採用的方法有依據經驗進行離散，或是按照四分、五分位數法來確定等級，也可採用聚類方法將計量資料聚為二類或多類，變為離散變數。
③ 對性質相近的一些自變數進行部分多因素分析，並**各自變數（等級變數，數值變數）納入模型時的適宜尺度，及對自變數進行必要的變數變換；
④ 在單變數分析和相關自變數分析的基礎上，對p≤α（常取0.2，0.15或0.
3）的變數，以及專業上認為重要的變數進行多因素的逐步篩選；模型程式每擬合一個模型將給出多個指標值，供使用者判斷模型優劣和篩選變數。可以採用雙向篩選技術：a進入變數的篩選用score統計量或g統計量或lrs(似然比統計量)，使用者確定p值臨界值如：
0.05、0.1或0.
2，選擇統計量顯著且最大的變數進入模型；b剔除變數的選擇用z統計量(wald統計量)，使用者確定其p值顯著性水平，當變數不顯者，從模型中予以剔除。這樣，選入和剔除反覆迴圈，直至無變數選入，也無變數刪除為止，選入或剔除的顯著界值的確定要依具體的問題和變數的多寡而定，一般地，當納入模型的變數偏多，可提高選入界值或降低剔除標準，反之，則降低選入界值、提高刪除標準。但篩選標準的不同會影響分析結果，這在與他人結果比較時應當注意。
⑤ 在多因素篩選模型的基礎上，考慮有無必要納入變數的互動作用項；兩變數間的互動作用為一級互動作用，可推廣到二級或多級互動作用，但在實際應用中，各變數最好相互獨立(也是模型本身的要求)，不必研究互動作用，最多是研究少量的一級互動作用。
⑥ 對專業上認為重要但未選入迴歸方程的要查明原因。
5． 迴歸方程擬合優劣的判斷（為線性迴歸方程判斷依據，可用於logistic迴歸分析）
① 決定係數(r2)和校正決定係數( )，可以用來評價迴歸方程的優劣。r2隨著自變數個數的增加而增加，所以需要校正；校正決定係數( )越大，方程越優。但亦有研究指出r2是多元線性迴歸中經常用到的一個指標，表示的是因變數的變動中由模型中自變數所解釋的百分比，並不涉及**值與觀測值之間差別的問題，因此在logistic迴歸中不適合。
② cp選擇法：選擇cp最接近p或p＋1的方程（不同學者解釋不同）。cp無法用spss直接計算，可能需要手工。2023年cl mallows提出：
cp接近（p+1）的模型為最佳，其中p為方程中自變數的個數，m為自變數總個數。
③ aic準則：2023年由日本學者赤池提出aic計算準則，aic越小擬合的方程越好。
在logistic迴歸中，評價模型擬合優度的指標主要有pearson χ2、偏差(deviance)、ho**er- lemeshow (hl)指標、akaike資訊準則(aic)、sc指標等。pearson χ2、偏差(deviance)主要用於自變數不多且為分類變數的情況，當自變數增多且含有連續型變數時，用hl指標則更為恰當。pearson χ2、偏差(deviance)、ho**er- lemeshow (hl)指標值均服從χ2分佈，χ2檢驗無統計學意義(p>0.
05)表示模型擬合的較好，χ2檢驗有統計學意義(p≤0.05)則表示模型擬合的較差。aic和sc指標還可用於比較模型的優劣，當擬合多個模型時，可以將不同模型按其aic和sc指標值排序，aic和sc值較小者一般認為擬合得更好。
6． 擬合方程的注意事項：
① 進行方程擬合對自變數篩選採用逐步選擇法[前進法（forward）、後退法（backward）、逐步迴歸法（stepwise）]時，引入變數的檢驗水準要小於或等於剔除變數的檢驗水準；
② 小樣本檢驗水準α定為0.10或0.15，大樣本把α定為0.05。值越**明自變數選取的標準越嚴；
③ 在逐步迴歸的時可根據需要放寬或限制進入方程的標準，或硬性將最感興趣的研究變數選入方程；
④ 強影響點記錄的選擇：從理論上講，每一個樣本點對迴歸模型的影響應該是同等的，實際並非如此。有些樣本點（記錄）對迴歸模型影響很大。
對由過失或錯誤造成的點應刪去，沒有錯誤的強影響點可能和自變數與應變數的相關有關，不可輕易刪除。
⑤ 多重共線性的診斷（spss中的指標）：a容許度：越近似於0，共線性越強；b特徵根：越近似於0，共線性越強；c條件指數：越大，共線性越強；
⑥ 異常點的檢查：主要包括特異點(outher)、高槓杆點(high leverage points)以及強影響點(influential points)。特異點是指殘差較其他各點大得多的點；高槓杆點是指距離其他樣品較遠的點；強影響點是指對模型有較大影響的點，模型中包含該點與不包含該點會使求得的迴歸係數相差很大。
單獨的特異點或高槓杆點不一定會影響迴歸係數的估計，但如果既是特異點又是高槓杆點則很可能是一個影響迴歸方程的「有害」點。對特異點、高槓杆點、強影響點診斷的指標有pearson殘差、deviance殘差、槓桿度統計量h（hat matrix diagnosis）、cook 距離、dfbeta、score檢驗統計量等。這五個指標中，pearson殘差、deviance殘差可用來檢查特異點，如果某觀測值的殘差值》2，則可認為是一個特異點。
槓桿度統計量h可用來發現高槓杆點， h值大的樣品說明距離其他樣品較遠，可認為是一個高槓杆點。cook 距離、dfbeta指標可用來度量特異點或高槓杆點對迴歸模型的影響程度。cook距離是標準化殘差和槓桿度兩者的合成指標，其值越大，表明所對應的觀測值的影響越大。
dfbeta指標值反映了某個樣品被刪除後logistic迴歸係數的變化，變化越大(即dfbeta指標值越大)，表明該觀測值的影響越大。如果模型中檢查出有特異點、高槓杆點或強影響點，首先應根據專業知識、資料收集的情況，分析其產生原因後酌情處理。如來自測量或記錄錯誤，應剔除或校正，否則處置就必須持慎重態度，考慮是否採用新的模型，而不能只是簡單地刪除就算完事。
因為在許多場合，異常點的出現恰好是我們探測某些事先不清楚的或許更為重要因素的線索。
7． 迴歸係數符號反常與主要變數選不進方程的原因：
① 存在多元共線性；
② 有重要影響的因素未包括在內；
③ 某些變數個體間的差異很大；
④ 樣本內突出點上資料誤差大；
⑤ 變數的變化範圍較小；
⑥ 樣本數太少。
8． 引數意義
① logistic迴歸中的常數項（b0）表示，在不接觸任何潛在危險／保護因素條件下，效應指標發生與不發生事件的概率之比的對數值。
② logistic迴歸中的迴歸係數（bi）表示，其它所有自變數固定不變，某一因素改變一個單位時，效應指標發生與不發生事件的概率之比的對數變化值，即or或rr的對數值。需要指出的是，迴歸係數β的大小並不反映變數對疾病發生的重要性，那麼哪種因素對模型貢獻最大即與疾病
追問：聯絡最強呢? (inl(t-1)-inl(t))三種方法結果基本一致。
③ 存在因素間互動作用時，logistic迴歸係數的解釋變得更為複雜，應特別小心。
④ 模型估計出or，當發病率較低時，or≈rr，因此發病率高的疾病資料不適合使用該模型。另外，logistic模型不能利用隨訪研究中的時間資訊，不考慮發病時間上的差異，因而只適於隨訪期較短的資料，否則隨著隨訪期的延長，迴歸係數變得不穩定，標準誤增加。
9． 統計軟體
能夠進行logistic迴歸分析的軟體非常多，常用的有spss、sas、stata、egret (epidemiological graphics estimation and testing package)等。
變數和未知量一樣嗎？求具體回答
變數和未知量是同一種東西，只不過在函式體系和方程體系的不同叫法，當函式轉化為方程時就是未知數了。而待定係數法，抽象函式這些量未知，實際上是值未知，但量是已知確定的，只不過為了進步確定該量和誰等價時把不變的當成變的來看，把變的當不變使問題解決。而解決問題的設未知量，實際上就是設變數，通過已知條件將變數...
甕與罈子一樣嗎
甕罋 甕 w ng 名 形聲。從瓦,公聲。本義 陶製盛器,小口大腹 同本義 urn earthen jar 罋,汲瓶也。說文 甕,瓶也。廣雅 釋器 罋,瓶也。按,瓶 是汲水器,不是今天的所謂瓶 抱甕而出灌。莊子 天地 釋文 甕,字亦作甕。又如 甕水 一甕所裝的水 甕問 甕下 甕牖 以破甕為窗,指貧寒...
學習與不學習一樣嗎
1全部不一樣，不學習就不知道更多的知識，要是學習的話那就能學到更多的知識來填充我們的大腦，我們之所以有一個而發達的大腦，就是要多學知識的。社會在進步，我們的知識也要不斷的提高，那才能適應發展的社會的。老土談事 回答採納率 25.7 2008 11 20 19 50 檢舉 第一次回不一樣答可獲2分，答...