用 PHP 实现的简单线性回归（3）

look_w

燃耗研究要演示如何使用该类，我可以使用来自公共事业中燃耗（burnout）研究中的数据。Michael Leiter 和 Kimberly Ann Meechan 研究了称为        消耗指数（Exhaustion Index)的燃耗度量单位和称之为        集中度（Concentration）的独立变量之间的关系。集中度是指人们的社交接触中来自其工作环境的那部分比例。     
要研究他们样本中个人的消耗指数值与集中度值之间的关系，请将这些值装入适当命名的数组中，并用这些数组值对该类进行实例化。对类进行实例化后，显示该类所生成的某些汇总值以评估线性模型与数据的吻合程度。
清单 5 显示了装入数据和显示汇总值的脚本：
清单 5. 用于装入数据并显示汇总值的脚本

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

<?php // BurnoutStudy.php // Copyright 2003, Paul Meagher // Distributed under GPL    include "SimpleLinearRegression.php"; // Load data from burnout study $Concentration   = array(20,60,38,88,79,87,                         68,12,35,70,80,92,                         77,86,83,79,75,81,                         75,77,77,77,17,85,96);                              $ExhaustionIndex = array(100,525,300,980,310,900,                         410,296,120,501,920,810,                         506,493,892,527,600,855,                         709,791,718,684,141,400,970);                              $slr = new SimpleLinearRegression($Concentration, $ExhaustionIndex);   $YInt      = sprintf($slr->format, $slr->YInt); $Slope     = sprintf($slr->format, $slr->Slope);    $SlopeTVal = sprintf($slr->format, $slr->SlopeTVal);    $SlopeProb = sprintf("%01.6f", $slr->SlopeProb);    ?> <table border='1' cellpadding='5'> <tr>    <th align='right'>Equation:</th>    <td></td> </tr> <tr>    <th align='right'>T:</th>    <td></td> </tr> <tr>    <th align='right'>Prob > T:</th>    <td><td> </tr> </table>

通过 Web 浏览器运行该脚本，产生以下输出：
Equation:Exhaustion = -29.50 + (8.87 * Concentration)T:6.03Prob > T:0.000005
这张表的最后一行指出获取这样大        T值的        随机概率非常低。可以得出这样的结论：与仅仅使用消耗值的均值相比，简单线性模型的预测能力更好。     
知道了某个人的工作场所联系的集中度，就可以用来预测他们可能正在消耗的燃耗程度。这个方程告诉我们：集中度值每增加 1 个单位，社会服务领域中一个人的消耗值就会增加 8 个单位。这进一步证明了：要减少潜在的燃耗，社会服务领域中的个人应当考虑在其工作场所之外结交朋友。
这只是粗略地描述了这些结果可能表示的含义。为全面研究这个数据集的含义，您可能想更详细地研究这个数据以确信这是正确的解释。在下一篇文章中我将讨论应当执行其它哪些分析。