拟合优度检验适用于什么的分析

拟合优度检验适用于连续变量。

“拟合优度”含义：回归分析中用来检验样本数据点聚集在回归线周围的密集程度，用于评价回归方程对样本观测值的拟合程度。

一、拟合优度由来：

1、英国统计学家F.Galton研究父亲身高和其成年儿子身高的关系时，从大量的样本观测值的散点图中，天才般地发现了一条贯穿其中的直线，这条直线能够描述父亲和成年儿子身高之间的关系。F.Galton把这种现象叫做“回归”，这条贯穿数据点的线称为“回归线”。

2、当然，F.Galton还发现，即便父亲身高都相同，他们的成年儿子身高也不尽相同。这就是说：成年儿子身高的差异会受到两个因素的影响：一个是他父亲身高的影响；另一个是其他随机因素的影响。

二、拟合优度的·认识

1、回归方程的拟合优度检验，本质上是一种描述性的刻画，不涉及到对解释变量和被解释变量的总体关系的推断。

2、那么，对于不同的模型，当然是拟合优度越大越好。但是，反过来问，拟合优度多少可以接受呢？这个不同学科往往有着不同的惯例和标准，有的说在社会学中差不多在0.3左右都很普遍的，也有的说动不动就高达0.9以上的拟合优度让人质疑；而且不同的样本观测值也会得出不同的值，以小编做过的回归分析拟合优度来看，同样的一个模型论文里能达到0.9，而自己才只能达到0.6。不过，总的来说，拟合优度如果超过0.5，那应该不必过于担心了，因为我们不能单纯以拟合优度作为判别模型好坏的标准，更应关注模型设定的合理性。

1、拟合优度检验是对回归结果总体拟合程度的检验,拟合优度越高说明回归方程所描述的自变量和因变量之间的关系和实际情况越符合.

2、变量的显著性检验是指在得到回归方程后,对方程个自变量的系数在一定置信度范围内进行T检验,如果检验结果是在置信范围内,则认为该系数可信,能够用来描述这一自变量和因变量的关系,反之则为不显著.

---