岭回归_(正己烷不溶物（INS)g)_(样品g-焦油(Char)g-水(Water)mL).docxVIP

分析流程

数据源：

附件一：热解数据统计.xlsx

算法配置：

算法：岭回归

分析结果：

暂无数据

分析步骤

1.通过岭迹图，确定K值。K值的选择原则是各个自变量的标准化回归系数趋于稳定时的最小K值。一般情况下，K值越小，偏差越小（可主观判断，或系统自动生成）。

2.通过分析F值，分析该模型是否有意义(P0.05)，若呈显著性，表明之间存在着回归关系。

3.通过R2值分析模型拟合情况（一般情况下，R2越接近1，拟合度越好）。

4.分析X的显著性；如果呈现出显著性(P0.05)，则用于探究X对Y的影响关系。

5.结合回归系数B值，对比分析X对Y的影响程度。

6.确定得到模型的公式。

详细结论

输出结果1：岭迹图

图表说明：

上图以可视形式化展示了本次模型的各个自变量的标准化系数趋于稳定时的情况。

智能分析：

根据方差扩大因子法确定K=0.099

输出结果2：岭回归分析结果

K=0.099

非标准化系数

标准化系数

t

P

R2

调整R2

F

B

标准误

Beta

常数

-0.174

0.069

-

-2.538

0.014**

0.786

0.775

72.195(0.000***)

样品g

-0.018

0.006

-0.161

-2.849

0.006***

焦油(Char)g

0.465

0.032

0.838

14.727

0.000***

水(Water)mL

0.145

0.034

0.239

4.261

0.000***

因变量：正己烷不溶物（INS)g

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表格展示了本次模型的参数结果及检验结果，包括模型的标准化系数、t值、F检验的结果、R2、调整R2等，用于模型的检验，并分析模型的公式。

●曲线回归模型要求总体的回归系数不为0，即变量之间存在回归关系。根据F检验的P值对模型进行检验。

智能分析：

岭回归的结果显示：基于F检验显著性P值为0.000***，水平上呈现显著性，拒绝原假设，表明自变量与因变量之间存在着回归关系。同时，模型的拟合优度R2为0.786，模型表现为较为较为良好。

模型的公式：正己烷不溶物（INS)g=-0.174-0.018×样品g＋0.465×焦油(Char)g＋0.145×水(Water)mL

输出结果3：模型路径图

图表说明：

上图以路径图形式展示了本次模型结果，主要包括模型的系数，用于分析模型的公式。

输出结果4：模型结果图

图表说明：

上图以可视化的形式展示了本次模型的原始数据图、模型拟合值。

输出结果5：模型结果预测

变量

系数

测试值

常数

-0.17390540675927352

1

样品g

-0.018455799682724275

焦油(Char)g

0.4650688312552498

水(Water)mL

0.1446124754280755

预测结果正己烷不溶物（INS)g

-0.174

图表说明：

上表格用于对岭回归模型的进行预测。

参考文献

[1]?ScientificPlatformServingforStatisticsProfessional2021.SPSSPRO.(Version1.0.11)[OnlineApplicationSoftware].?Retrievedfrom.

[2]?刘超,回归分析—方法、数据与R的应用,高等教育出版社,2019.