1) Latent variable score
多反应变量回归模型
2) multi-variable auto re-gression(MVAAR)
多变量自适应自回归模型
3) multi-variable logistic regression mode
多变量逻辑回归模型
1.
According to the development experience of Beijing Metropolitan Area,the authors build and calibrate a set of the multi-variable logistic regression models for the processes based on remote sensing,GIS and geo-computation technologies.
依据北京城市发展经验,引入多变量逻辑回归模型(Multi-variable Logistic Regression Model,LRM),以遥感、GIS和地理计算技术为支撑,基于600m×600m离散格网,建立北京城市增长模拟模型,对人口稳定增长、修建七环、修建奥运公园等3种北京城市增长情景进行模拟,并对模拟成果进行对比分析。
4) multi variate auto regression model
多变量自回归模型
1.
The growth period is divided into 6 stages and the multi variate auto regression model is applied to the establishment of the forecasting model.
应用多变量自回归模型ARV (n) ,利用三江平原腹地———富锦市 1985～ 1999年气象资料 ,按水稻生育期划分 6个生育阶段 ,建立了井灌水稻生育期内需水量预测模型。
5) Multi-Dependent variable Regression Model
多个因变量回归模型
6) Multivariate-Auto-Regressive
多变量自动回归模型
补充资料：反应变量
反应变量
response variable
反应变量(response variable)由自变量引起的结果，在心理实验中就是主试观察或测量的被试对刺激的反应，又叫“因变量”。反应时、反应持续的时间、反应量或反应频率等都可作为反应变量的指标。在选择反应变量时应使同一被试在相同的实验条件下得到的结果相同或相近，即选择的反应变量要有信度。同时，这种反应变量的变化应该是由自变量的变化引起的，即选择的反应变量要有效度，不能发生自变量混淆的情况。 (高云鹅撰林仲贤审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条