在一个试验设计的分析问题中,建立响应变量与各因子及交互效应的回归方程可以有两种办法:一种是对各因子的代码值(CodedUnits)建立回归方程;另一种是直接对各因子的原始值(UncodedUnits)建立回归方程。在判断各因子或交互效应是否影响显着时,要进行对各因子回归系数的显着性检验时,可以使用这两种方程中的哪一种?() A.两种方程检验效果一样，用哪种都可以B.只有用代码值(CodedUnits)回归方程才准确;用原始值(UncodedUnits)回归方程有时判断不准确C.只有用原始值(UncodedUnits)回归方程才准确;用代码值(CodedUnits)回归方程有时判断不准确D.根本用不着回归方程，ANOVA表中结果信息已经足够进行判断
在一个试验设计的分析问题中,建立响应变量与各因子及交互效应的回归方程可以有两种办法:一种是对各因子的代码值(CodedUnits)建立回归方程;另一种是直接对各因子的原始值(UncodedUnits)建立回归方程。在判断各因子或交互效应是否影响显着时,要进行对各因子回归系数的显着性检验时,可以使用这两种方程中的哪一种?()
A.两种方程检验效果一样，用哪种都可以
B.只有用代码值(CodedUnits)回归方程才准确;用原始值(UncodedUnits)回归方程有时判断不准确
C.只有用原始值(UncodedUnits)回归方程才准确;用代码值(CodedUnits)回归方程有时判断不准确
D.根本用不着回归方程，ANOVA表中结果信息已经足够进行判断
相关考题：
为了研究轧钢过程中的延伸量控制问题,在经过2水平的4个因子的全因子试验后,得到了回归方程。其中,因子A代表轧压长度,低水平是40cm,高水平为100cm。响应变量Y为延伸量(单位为cm)。在代码化后的回归方程中,A因子的回归系数是3。问,换算为原始变量(未代码化前)的方程时,此回归系数应该是多少?() A.40B.4C.0.3D.0.1
在试验设计中,我们常常要将原来对于因子设定的各水平值实行“代码化”(Coding)。例如在2水平时,把“高”“低”二水平分别记为“＋1”及“－1”。以下何者是對的:() A.比未代码化时提高了计算的精度。B.代码化后,可以通过直接比较各因子或因子间的交互作用的回归系数之绝对值以确定效应的大小，即回归系数之绝对值越大者该效应越显着;而未代码化时不能这样判断C.代码化后,删除回归方程中某些不显着之项时，其它各项回归系数不变;未代码化时,在删除某些不显着之项时其它各项回归系数可能有变化D.代码化后,回归方程式的常数项(截距)等于将自变数以"0"带入回归方程式后,输出变量(y)的预测值
在改进阶段中,安排了试验的设计与分析。仅对新建立的模型进行一般的统计分析是不够的,还必须进行残差的诊断。这样做的目的是:() A.判断模型与数据的拟合是否有问题B.判断各主效应与交互效应是否显着C.协助寻找出因子的最佳设置，以使响应变量达到最优化D.判断试验过程中试验误差是否有不正常的变化
为了研究轧钢过程中的延伸量控制问题,在经过2水平的4个因子的全因子试验后,得到了回归方程。其中,因子A代表轧压长度,低水平是60cm,高水平为100cm。响应变量Y为延伸量(单位为cm)。在代码化后的回归方程中,A因子的回归系数是6。问,换算为原始变量(未代码化前)的方程时,此回归系数应该是多少?() A.40B.4C.0.3D.0.2
在单因子试验中，假定因子A有r个水平，可以看成有r个总体，若符合用单因子方差分析方法分析数据的假定时，所检验的原假设是( )。A．各总体分布为正态B．各总体的均值相等C．各总体的方差相等D．各总体的变异系数相等
在单因子试验中，假定因子A有r个水平，可以看成有r个总体，若符合用单因子方差分析方法分析数据的假定，则所检验的原假设是（ ）。A.各总体分布为正态 B.各总体的均值相等C.各总体的方差相等 D.各总体的变异系数相等
对双变量资料作直线相关分析时，所建立的直线回归方程与各散点之间的关系是（）。A各散点都将散落在由直线回归方程所确定的回归直线上B各散点与该回归直线的纵向距离平方和是最小的C要求各散点应尽量靠近该回归直线D以上都不对
为测定3种不同产地玉米蛋白粉的消化率，在不含蛋白质的饲料里按一定比例分别加入不同产地的玉米蛋白粉A1，A2，A3配制成饲料，各喂给5头试验动物（B)。收集每头动物的排泄物，各取两份样品测定消化率。如果用方差分析方法分析不同产地玉米蛋白质粉的消化率差异，下列说法正确的是：A．A因子(玉米蛋白粉)各水平的效应为固定效应，B因子(试验动物) 各水平的效应为随机效应B．A因子(玉米蛋白粉) 各水平的效应为随机效应，B因子(试验动物) 各水平的效应为固定效应C．两个因子各水平的效应均为固定效应D．两个因子各水平的效应均为随机效应