Try…catch…finally与直接throw的区别：try catch是直接处理，处理完成之后程序继续往下执行，throw则是将异常抛给它的上一级处理，程序便不往下执行了。main方法，把抛出的RuntimeException抛给了调用者（JVM）。catch语句块里面，打印完1之后，又抛出了RuntimeException，程序并没有处理它，而是直接抛出，因此执行完finally语句块之后，程序终止了。finally语句不管什么情况都会执行。

现在用 Python 写线性回归的博客都快烂大街了，为什么还要用 SPSS 做线性回归呢？这就来说说 SPSS 存在的原因吧。
 
SPSS 是一个很强大的软件，不用编程，不用调参，点巴两下就出结果了，而且出来的大多是你想要的。这样的特点特别适合建模初期进行算法的选择。比如
 
SPSS 做因子分析，输出结果中有一项 Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 它的值是在 [ 0, 1] 范围内，这个值大于 0.5 就证明原数据中的指标适合使用因子分析算法进行建模，小于 0.5 要不重新计算指标，要不换算法。
SPSS 做多元线性回归，输出结果中的拟合度过低，说明指标与结果之间的相关性并不明显，要不重新计算指标，要不换算法。
..................
下面详细讲讲 SPSS做多元线性回归的步骤吧
 
准备工作：SPSS - 中文版 SPSS 22.0 软件下载与安装教程 - 【附产品授权许可码，永久免费】
 
第一步：导入数据
 
路径：【文件】--【打开】--【数据】--【更改文件类型，找到你的数据】--【打开】--【然后会蹦出下图左中的筛选框，基本使用默认值就行，点确定】
 
第一行代表的是用第一行的数据做列名；
第二行代表文件中数据所在的范围，默认是所有数据都选上，但是如果你只需要选择前 n 行，那就把里面的110改了就行；
第三行代表字符串宽度，这个默认值就可以，不用改；
导入数据之后就是下图右中的样子，老习惯，我们来说说原数据，第一列是拨打电话指数，第二列是接通电话指数，这两个是自变量，第三类是因变量回款指数。为了脱敏，所以用自己的办法换算成现在这样的数值。
 
                 
 
 
 
第二步：数据分析
 
【分析】--【回归】--【线性】--【通过截图中的方式，将因变量与自变量添加到对应的地方】--【其他都使用默认值】--【确定】
 
        
 
 
 
第三步：输出结果分析 
 
第一项输出结果：输入／移去的变量
 
输入变量是两个自变量Connect, Call，没有移去任何变量。
 
 
第二项输出结果：模型汇总
 
R表示拟合优度（goodness of fit），用来衡量模型的拟合程度，越接近 1 越好；
R方表示决定系数，用于反映模型能够解释的方差占因变量方差的百分比，越接近 1 越好；
调整R方是考虑自变量之间的相互影响之后，对决定系数R方的校正，比R方更加严谨，越接近 1 越好；
标准估计的误差是误差项 ε 的方差 σ2的一个估计值，越小越好；
一般认为，
 
小效应：R （0.1~0.3），对应 R方（0.01~0.09）;
中等效应：R （0.3~0.5），对应 R方（0.09~0.25）;
大效应：R （0.5~1），对应 R方（0.25~1）;
 
第三项输出结果：Anova
 
Anova表示方差分析结果，主要看 F 和 Sig 值，为方差分析的结果，F检验的重点在 Sig 值，具体大小不重要，其 F 值对应的 Sig 值小于 0.05 就可以认为回归方程是有用的。
 
 
第四项输出结果：系数
 
系数表列出了自变量的显著性检验结果，
 
非标准化系数中的 B 表示自变量的系数与常数项（下图代表的回归方式为：Return = 0.097 * Call + 1.243 * Connect - 0.160）；
标准系数给出的自变量系数与非标准化系数中的明显不同，这是因为考虑到不同自变量之间的量纲和取值范围不同（比如在其他例子里面，第一个自变量是年龄（0~120），第二个自变量是收入（0~10万），显然年龄18岁与收入18块钱代表的意义是不一样的，因此需要进行标准化），因此这里的系数更能代表每个自变量对因变量的影响程度，（下图代表的回归方式为：Return = 0.126 * Call_标准化的值 + 0.739 * Connect_标准化的值）；
t 值 与 Sig 值 是自变量的显著性检验结果，其 t 值对应的 Sig 值小于 0.05 代表自变量对因变量具有显著影响，下图中，自变量 Connect 对 因变量具有显著影响，而自变量 Call 的影响程度就弱了很多；
 
综上所有的输出结果，说明 Call、 Connect 与 Return 的拟合效果还挺理想的。 
 
 
 
与Python的结果对比
 
同样的数据，我们看看Python中的多元线性回归结果：
 
Python给出的回归方程： Y = -0.01 + 0.09 * Call + 1.19 * Connect；
 
 SPSS 给出的回归方程： Y = -0.16+ 0.09 * Call + 1.24 * Connect；
 
 
 
如果想要学习一下这个过程，你可能需要：
 
1.SPSS - 中文版 SPSS 22.0 软件下载与安装教程 - 【附产品授权许可码，永久免费】
 
2.机器学习 - 多元线性回归 - 一步一步详解 - Python代码实现
 
本例中用的数据与机器学习 - 多元线性回归 - 一步一步详解 - Python代码实现中的数据是同一份，便于对比。

第十四题:
 
以下代码的输出结果是？
 
 
1
 
2
 
3
 
4
 
5
 
6
 
7
 
8
 
9
 
10
 
11
 
12
 
13
 
14
 
15
 
16
 
 
public class B
 
{
 
    public static B t1 = new B();
 
    public static B t2 = new B();
 
    {
 
        System.out.println("构造块");
 
    }
 
    static
 
    {
 
        System.out.println("静态块");
 
    }
 
    public static void main(String[] args)
 
    {
 
        B t = new B();
 
    }
 
}
 
 
 
 
A 静态块 构造块 构造块 构造块
 
B 构造块 静态块 构造块 构造块
 
C 构造块 构造块 静态块 构造块
 
D:构造块 构造块 构造块 静态块
 
懵逼树上懵逼果，懵逼树下你和我
 
首先看到这道题，我就想着那不是先静态代码块先执行吗
 
话不多说，直接跑代码
 
public class B

{

    public static B t1 = new B();

    public static B t2 = new B();

    {

        System.out.println("构造块");

    }

    static

    {

        System.out.println("静态块");

    }

    public static void main(String[] args)

    {

        B t = new B();

    }

}
 
运行结果
 
 
接着我们看看大家的评论
 

开始时JVM加载B.class，对所有的静态成员进行声明，t1 t2被初始化为默认值，为null，又因为t1 t2需要被显式初始化，所以对t1进行显式初始化，初始化代码块→构造函数（没有就是调用默认的构造函数），咦！静态代码块咋不初始化？因为在开始时已经对static部分进行了初始化，虽然只对static变量进行了初始化，但在初始化t1时也不会再执行static块了，因为JVM认为这是第二次加载类B了，所以static会在t1初始化时被忽略掉，所以直接初始化非static部分，也就是构造块部分（输出''构造块''）接着构造函数（无输出）。接着对t2进行初始化过程同t1相同（输出'构造块'），此时就对所有的static变量都完成了初始化，接着就执行static块部分（输出'静态块'），接着执行，main方法，同样也，new了对象，调用构造函数输出（'构造块'）
 
最后答案选择C
 
文章仅个人理解，来在各大网站。如有不合理之处，欢迎吐槽。
 
阅读目录（置顶)(长期更新计算机领域知识）
 
阅读目录（置顶)(长期更新计算机领域知识）
 
阅读目录（置顶)(长期科技领域知识）
 
歌谣带你看java面试题 

class A {

	public A() {
		a1();
	}

	public void a1() {
		System.out.println("A-a1");
	}
}

public class Test extends A {

	int bb = 0;

	public Test() {
		bb = 1000;
	}

	public void a1() {

		System.out.println("bb is " + bb);

		System.out.println("B-a1");

	}

	public static void main(String[] args) {
		new Test();
	}
}

知道他们的答案了吗？不知道的话，看看我标出的执行顺序吧。
package com;
class A{   
    //3
    public A()  {
        a1();
    } 

    public void a1()    {
        System.out.println("A-a1");
    }
}
 

public class B extends A{
    int bb = 0;    //2

    public B()   {
        //5
        bb = 1000;
    }

    //4
    public void a1()   {
        System.out.println("bb is " + bb);
        System.out.println("B-a1");
    }
    public static void main(String[] args)  {
        //1
        new B();    
}}