多变量的正交多项式

它是维度的产业和变量的差异，它多一个变量，它不是说它只是几个变量中的一个，它多数这一个变量都它所呈现的没有空间形态，就像三维你多一个变量，你多出一个变量，你比平面来讲，你就多出了一个高度的这种自由度

自变量原因变量，自变量也称刺激变量，它是由研究者所操纵的，容易加以改变或影响因变量刺激的一个刺激误会。刺激条件自变量多为十二分变量，代表着某个刺激的，有无或不同强度，不同性质

名义变量的资料用于测验项目的区分度分析四，二列三观适用于两列变量都为正态变量，但其中一列变量被人为的分成两类资料，五多系列相关两列变量都是正态等最变量，但其中一列变量被人为的划分为多项分类变量

我们会做多因素的方差分析，一个连续变量，我们会做单因素的先行，回归多个连续变量，我们会做多因素的线性，回归一个连续变量和一个分类变量，这样的话我们会做斜放差分析

第四，自变量为连续型数据调节变量也为连续型数字，此时应采用分层回归与自变量是风力型数据，调节变量是连续性，数据不同，自变量和调节变量都为连续数据的分证回归更为简单来，因为不需要做自变量种，还真虚拟变量种

连续数据另一列位二分名义变量的资料。由于测验项目的区分度分析第二列第四，二类相关剩余两类病人都是正态变量，但其中一类变量比人为的分为两类资料，五都谢力，相关两类变量都是正态等距变量，但其中一类变量被人为的划分，多项分类变量，这两类变量之间的相关关系的数量指标即为多系列线化系数

刚才我们是介绍了数值型数据，它的一个整理，那整理数值型数据，我们可以采用的是单变量分组，还有组句分组变量多的，我们采用组织分组是不是变量少的，淤散的，我们选择单变量分组把它区分出来

多因素实验设计为确定两个或两个以上实验变量的效果而进行的实验设计，被称作多因素设计或因素设计，在单因素研究中都是考虑一个变量的变化情况。而另外一些变量对于因变量的影响，只能想办法排除，不能去检验补充

二十二控制变量是指对因变量有影响，而其影响必须被排除的变量。二十三中介变量是介于自变量和因变量之间的变量。二十四调节变量是影响自变量和因变量关系的方向强度的变量

这种分析主要应用于没有规定自变量和因变量的多变量问题，他们对整个相关局阵进行分析，从而发现变量中的子集因素分析又非常探索型和验证型探索型因素分析意在通过变量组合而总结数据往往在研究的初期进行

二，模型选择了正确的函数，形式，模型选择了正确的变量，指的是设定总体回归函数时，既没有遗漏重要的相关变量，也没有多选无关的变量模型，选择了正确的函数形式，指当被解释变量与解释变量之间呈现什么样的函数形式时，我们说设定的总体回归方程恰为该函数形式

另类方法则用来解释一组变量之间的相互关系，或者对多个变量进行分类并不明确的划分自变量，语音变量或者做出有关因果关系的假设属于前一种方法的，有多元回归，多元判别，函数分析，多变量方差分析和典型相关分析等

常用的分组方法有以下两类一质量分组，按事物的性质和类型分组，这种方法多适用于分类变量，资料和等级变量等级资料，如患者按性别，病情轻重等分组作为分组变量，疗效按治愈好转或无效等分组作为结局变量

从变量的因果关系区分被解释变量，也称为因变量。要分析研究的变量解释变量也称为自变量，说明因变量变重，主要原因的变量非主要原因归入随机误差项目从边上的性质区分内生变量，其素质由模型所决定的变量是模型求解的结果

在社会研究中，理论也可以说是由变量语言构成的，其目的是描述不同变量及其不同属性之间所存在的某种逻辑关系变量的分类。根据变量取值的性质不同，我们可以把变量分为类别变量顺序变量