1、T值和F值具体到多少才算合适？
T值取决于T检验，在对回归分析结果进行粗评判时，大致可以做出这样的判断，当估计系数的T值的绝对值的统计值超过2时，我么可以在显著性水平0.05下拒绝原假设H0，认为相应解释变量的影响是显著的，此时犯错误的概率不超过0.05。如果估计系数的绝对值的统计值远大于2，则犯错误的概率更小。所以2是一个分水岭。
F值取决于F检验。F＝[ESS/(k-1)]/[RSS/(n-k)]~F(k-1,n-k) 若F>Fα（k-1,n-k），则拒绝原假设H0，说明回归方程显著；若F
一元加权最小二乘估计，加权最小二乘估计的方法实在平方和中和加入一个适当的权数ωi,以调整各项在平方和中的作用。一元线性回归的加权最小二乘的离差平方和为:
Qω(β0,β1)=∑ωi( yi-ýi)^2
=∑ωi(yi-β0-β1xi) ^2 其中，ωi为给定的第 i个观测值的权数。，观测值的权数应该是观测值误差项方差的倒数，即ωi＝1/σ^2，其中，σ^2为第i个观测值误差项的方差。所以误差项方差较大的观测值接受较小的权数；误差项方差较小的观测值接受较大的权数。多元加权最小二乘法与之类似，再次不再赘述。
3.如何判断数据是否正态分布？如何确定用何种方法分析数据？
把这一列数据用软件做出它的散点图，然后再观察它是不是两头小，中间多。同时计算它的峰度和偏度等指标来判断！
4.如何判断两个变量是线性关系还是非线性关系？
相关系数来决定。变量之间的的相关关系可分为许多类型。从相关关系涉及的变量数量看，只有两个变量的相关关系，称为简单相关；三个或三个以上的变量的相关关系，称为多重相关或复相关。从变量相关的表现形式来看，当变量相关关系散布图上的点接近一条直线时，称为线性相关；当变量相关关系散布图上的点接近于一条曲线时，称为非线性相关。变量之间线性相关的程度，常用相关系数去度量。两个变量X和Y的总体相关系数为：ρxy=Cov(X,Y)/[Var(X)Var(Y)]^1/2 两个变量X和Y的样本系数 为r，| r|≤1，r 越近于1，证明他们的相关程度越高。
不知道我的答案你是否满意，如有什么不懂的，可问我。庆幸你遇见我这个统计学专业的人了。
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ号：24596024