content, the following assumptions

content, the following assumptions of the model were met: lack of
multicollinearity in the predictors; linearity of the relationship between
dependent and independent variables; independence of the errors (lack
of autocorrelation of residuals); homoscedasticity of the errors and normality
of the error distribution.
4.3.1. Lack of multicollinearity in the predictors
Multicollinearity,meaning strong correlation among some independent
variables, leads to problems in understanding the relative importance
of predictors. This may happen because highly-correlated
predictors measure the same concepts.
In both cases (OGP and FOM), the two analyzed independent variables
seem to be slightly correlated: X2 (muscle thickness) goes down
when X1 (back fat thickness) goes up. The Pearson product–moment
correlation factor (r) is rX1,X2=−0.46 (P b 0.001) for the OGP model
and rX1,X2=−0.37 (P b 0.001) for the FOM model, confirming a moderate
negative correlation between X1 and X2. Since this correlation, even
if it exists, is of a medium level, it can be concluded the regression
models do not need any transformation due to multicollinearity.

ผลลัพธ์ (ไทย) 1:

เนื้อหา ข้อสมมติฐานต่อไปนี้ของรูปแบบตรงตาม: ขาดmulticollinearity ในทำนาย เป็นเชิงเส้นของความสัมพันธ์ระหว่างตัวแปร พา และแบบอิสระ ความเป็นอิสระ (ไม่มีข้อผิดพลาดของ autocorrelation ของเหลือ); ข้อผิดพลาดและแอมป์ homoscedasticityของการแจกแจงข้อผิดพลาด4.3.1. ขาด multicollinearity ในการทำนายหมายถึง ความสัมพันธ์ที่แข็งแกร่งระหว่างอิสระบาง multicollinearityตัวแปร นำไปสู่ปัญหาในการเข้าใจความสำคัญการทำนาย นี้อาจเกิดขึ้นเนื่องจากมีความสัมพันธ์สูงทำนายวัดแนวคิดเดียวกันในทั้งสองกรณี (ปลอดภัยฯ และ FOM), สองวิเคราะห์ตัวแปรอิสระดูเหมือนจะเล็กน้อยสัมพันธ์: X2 (ความหนาของกล้ามเนื้อ) ลงไปเมื่อ X1 (ไขมันกลับหนาขึ้น เพียร์สันผลิตภัณฑ์ – ขณะนี้ปัจจัยความสัมพันธ์ (r) คือ rX1, X2 = −0.46 (P b 0.001) สำหรับรุ่นปลอดภัยฯและ rX1, X2 = −0.37 (P b 0.001) รุ่นเบส ยืนยันปานกลางสัมพันธ์เชิงลบระหว่าง X1 และ X2 ตั้งแต่ความสัมพันธ์นี้ แม้แต่ถ้ามี เป็นของกลางในระดับ มันสามารถสรุปได้การถดถอยรุ่นไม่ต้องแปลงใด ๆ เนื่องจาก multicollinearity

ผลลัพธ์ (ไทย) 2:

เนื้อหาสมมติฐานต่อไปของรูปแบบที่พบ: ขาด
พหุในการพยากรณ์นั้น เชิงเส้นของความสัมพันธ์ระหว่าง
ตัวแปรตามและเป็นอิสระ; ความเป็นอิสระของข้อผิดพลาด (ขาด
ของอัตของเศษ); homoscedasticity ข้อผิดพลาดและปกติ
ของการกระจายข้อผิดพลาด.
4.3.1 ขาดการพหุในการพยากรณ์
พหุหมายถึงความสัมพันธ์ที่แข็งแกร่งในหมู่อิสระบาง
ตัวแปรนำไปสู่ปัญหาในการทำความเข้าใจความสำคัญ
ของการพยากรณ์ ซึ่งอาจเกิดขึ้นเนื่องจากมีความสัมพันธ์สูง
พยากรณ์วัดแนวคิดเดียวกัน.
ในทั้งสองกรณี (OGP และ FOM) ทั้งสองวิเคราะห์ตัวแปรอิสระที่
ดูเหมือนจะมีความสัมพันธ์เล็กน้อย X2 (ความหนาของกล้ามเนื้อ) ลงไป
เมื่อ X1 (ด้านหลังความหนาของไขมัน) ขึ้นไป เพียร์สันทันทีผลิตภัณฑ์
ปัจจัยที่สัมพันธ์ (R) เป็น RX1, X2 = -0.46 (P B 0.001) สำหรับรุ่น OGP
และ RX1, X2 = -0.37 (P B 0.001) สำหรับรูปแบบ FOM ยืนยันปานกลาง
สัมพันธ์เชิงลบระหว่าง X1 และ X2 ตั้งแต่ความสัมพันธ์นี้แม้
ถ้ามันมีอยู่แล้วเป็นระดับปานกลางก็สามารถสรุปได้ถดถอย
รุ่นไม่จำเป็นต้องมีการเปลี่ยนแปลงใด ๆ ที่เกิดจากการพหุ

ผลลัพธ์ (ไทย) 3:

เนื้อหาต่อไปนี้สมมติฐานของแบบจำลองพบ : ขาดค่าในตัวแปร ; เชิงเส้นของความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระ อิสระจากข้อผิดพลาด ( ขาดของอัตสหสัมพันธ์ของความคลาดเคลื่อน ) ; homoscedasticity ของข้อผิดพลาดและความเป็นปกติการกระจายของข้อผิดพลาดใน . ขาดของค่าในตัวแปรข้อมูล ความหมาย ความสัมพันธ์ที่แข็งแกร่งระหว่างบางเป็นอิสระตัวแปรที่ก่อให้เกิดปัญหาในการทำความเข้าใจความสำคัญสัมพัทธ์ของพยากรณ์ นี้อาจเกิดขึ้นเนื่องจากระดับสูงตัววัดแนวคิดเดียวกันในทั้งสองกรณี ( และ ogp FOM ) สองวิเคราะห์ตัวแปรอิสระดูเหมือนจะเล็กน้อยมีความสัมพันธ์ : X2 ( ความหนาของกล้ามเนื้อ ) ไปลงตอนที่ 1 ( หลัง ความหนาไขมัน ) ขึ้นไป Pearson Product –ช่วงเวลาปัจจัยความสัมพันธ์ ( r ) rx1 X2 = − 0.46 ( P B 0.001 ) สำหรับ ogp รุ่นและ rx1 X2 = − 0.37 ( P B 0.001 ) สำหรับ FOM รุ่น ยืนยัน ปานกลางความสัมพันธ์ระหว่าง X1 และ X2 . ตั้งแต่ความสัมพันธ์นี้ แม้แต่ถ้ามันมีจริง อยู่ในระดับน้อย สามารถสรุปการถดถอยแบบไม่ต้องแปลงใด ๆ เนื่องจากค่า .