线性回归分析方法包括

A. 多元线性回归模型的检验方法有哪些

多元线性回归分析的基本假定包括：

1、零均值假定：假设随机扰动项的期望或均值为零。

2、同方差和无自相关假定：假设随机扰动项互不相关且方差相同。

3、随机扰动项与解释变量不相关假定：假设随机扰动项与自变量的协方差为0。

4、无多重共线性：假设各解释变量之间不存在线性相关关系。

5、正态性假定：假设随机扰动项服从正态分布。

多元线性回归模型的检验方法有：

1、判定系数检验。多元线性回归模型判定系数的定义与一元线性回归分析类似。判定系数R的计算公式为：R = R接近于1表明Y与X1，X2，…，Xk之间的线性关系程度密切；R接近于0表明Y与X1，X2，…，Xk之间的线性关系程度不密切。

2、回归系数显着性检验。在多元回归分析中，回归系数显着性检验是检验模型中每个自变量与因变量之间的线性关系是否显着。显着性检验是通过计算各回归系数的t检验值进行的。回归系数的t检验值的计算公式为：＝（j = 1，2，…，k），式中是回归系数的标准差。

3、回归方程的显着性检验。回归方程的显着性检验是检验所有自变量作为一个整体与因变量之间是否有显着的线性相关关系。显着性检验是通过F检验进行的。F检验值的计算公式是：F（k，n－k－1）＝多元回归方程的显着性检验与一元回归方程类似，在此也不再赘述。

B. 一元回归分析法的预测过程是什么

一元线性回归预测法的概念一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。
常用统计指标：平均数、增减量、平均增减量。
一元线性回归预测基本思想确定直线的方法是最小二乘法
最小二乘法的基本思想：最有代表性的直线应该是直线到各点的距离最近。然后用这条直线进行预测。
一元线性回归预测模型的建立1、选取一元线性回归模型的变量
；
2、绘制计算表和拟合散点图
；
3、计算变量间的回归系数及其相关的显着性
；
4、回归分析结果的应用
。
模型的检验1、经济意义检验：就是根据模型中各个参数的经济含义，分析各参数的值是否与分析对象的经济含义相符。
2、回归标准差检验
3、拟合优度检验
4、回归系数的显着性检验
利用回归预测模型进行预测可以分为：点预测和置信区间预测法
1、点预测法：将自变量取值带入回归预测模型求出因变量的预测值。
2、置信区间预测法：估计一个范围，并确定该范围出现的概率。置信区间的大小的影响的因素：a、因变量估计值；b、回归标准差；C、概率度t。