二、多元线性回归预测模型的显著性检验 与一元线性回归的情形类似，也应检验y与x1,x2…，xm之间的线性相关关系是否显著。只有线性相关关系显著时，所求得的多元线性回归模型才有应用价值，这时，也称回归模型（方程）的回归效果显著。 但与一元线性回归也有不同之处：一元线性回归中只有一个自变量，“回归效果不显著”与“b=0”是一回事；对于多元线性回归则要复杂得多，否定了假设 “H0：b1=b2=…=bm=0”时，认为多元线性回归方程的“整个回归效果是显著的”，有一定实用价值，但并不等于说y与所有的自变量xj(j=1，2，…，m)均有密切的相关关系，也可能有某几个xj与y 的相关关系并不密切，但没有影响大局。因此，对多元线性回归模型，除了要检验“整个回归效果是否显著”外，还应逐个检验每个回归系数bj(j=1，2，…，m)是否为零，以便分辨出哪些xj对y无显著影响。下面分别加以讨论。

牛顿Newton插值 MATLAB源程序代码.zip

MATLAB实现灰度预测模型的源代码.zip

matlab经典算法的程序之动态规划.zip

MATLAB实现线性拟合和相关系数 源程序代码.zip

matlab经典算法的程序之常微分方程的数值解.zip

MATLAB语言常用算法程序集 数据统计和分析.zip

MATLAB神经网络之GRNN的数据预测-基于广义回归神经网络货运量预测.zip

MATLAB神经网络之PID神经元网络解耦控制算法_多变量系统控制.zip

MATLAB语言常用算法程序集 矩阵特征值计算.zip