Ch6 多元线性回归.ppt

* 杠杆值的经验判断标准： 如果杠杆值(hi)大于3(p+1)/n或0.99两者中较小的一个（其中p为自变量数目，n为观测值的数目），则第i个观测值就是高杠杆值点。 Minitab会对每个数据的杠杆值进行计算并比较，对高杠杆值用X标识。 需要注意的是，高杠杆值点有可能是强影响点，但并不意味着一定是强影响点。 * 2、Cook 距离 删除第i个观测值后，回归方程的估计量会有多大差异？Cook 距离就是度量删除第i个观测值后，回归系数的估计值与原估计值之间的一种距离。 第i个观测值的Cook距离： Cook距离在度量第i个观测值对回归系数的影响时，同时考虑了各个观测值的杠杆值和标准化残差。较大的杠杆值或较大标准化残差都可以意味着较大Cook 距离。 * 一个粗略的判断标准是： 如果Cook 距离Di 1，则可认为第i个观测值为强影响点，应进行进一步的分析。 更一般的一个判断标准是： 如果Cook 距离Di F0.5 (p+1, n-p-1)，即Cook 距离Di大于 F-分布的中位数，则可认为第i个观测值为强影响点。 * 3、DFITS DFITS (即Difference of fits)，是Welsch和Ku于1977年提出的，所以也叫W-K统计量。 删除第i个观测值后，Cook 距离比较了回归系数之间的差距，而DFITS则比较第i个拟合值之间的差距，通常定义为删除数据前后的第i个拟合值之差的标准化变量，也就是删除观测值并重新拟合模型时，拟合值改变的标准差的数量。 第i个观测值的DFITS： DFITS的一个判断标准是：当 时，可认为第i个观测值为强影响点。 * 对例(美国国会中期选举数据)作两个自变量回归得到的影响诊断度量 年度 “标准选票损失”y 盖洛普对总统的评价x1 人均年收入纯增量x2（美元） 杆率值(hi) Cook 距离 DFITS 1946 7.3 32 -40 0.845 3.979* -5.417* 1950 2.0 43 100 0.510 0.000 0.031 1954 2.3 65 -10 0.477 0.083 0.428 1958 5.9 56 -10 0.292 0.371 2.735* 1962 -0.8 67 60 0.447 0.257 0.869 1966 1.7 48 100 0.429 0.034 0.266 * （一）介绍了残差、标准化残差、删除数据的学生化残差以及残差图，这些是回归诊断的基本工具。 （二）介绍了如何对模型的误差假设进行检验 1、异方差性检验(Homoscedasticity)； 2、自相关检验(Autocorrelation)； 3、正态性检验(Normality test)。 （三）介绍了数据中异常点与强影响点的诊断 本节小结 * 第六章 多变量关系分析 第一节 多元线性回归模型 第二节 回归诊断 第三节 含有定性自变量的回归模型 第四节 Logistic回归模型 * 第三节 含有定性自变量的回归模型 一、虚拟自变量 二、三个或以上水平的定性自变量 * 第三节 含有定性自变量的回归模型 一、虚拟自变量 （一）含有一个虚拟自变量的回归方程的建立 在例6-8中，我们探讨了公司市值与公司规模、公司市盈率和税前利润的线性回归模型。现在，考虑到是否英国本土企业与公司市值的关系，增加一个定性变量，定义为 UK/MN=0，如果该企业是本国独资企业； UK/MN=1，如果该企业是多国合资企业。 * （一）含有一个虚拟自变量的回归方程的建立 在回归分析中，把这种只能取值1和0的定性变量，称为虚拟变量或哑变量(Dummy variable)。 有时也叫指标变量(Indicator variable)，或二项变量(Binary variable，Dichotomous variable)。 对公司市值(Value)做线性回归，自变量为公司市盈率(P/E)、税前利润(PROFIT)和虚拟变量(UK/MN)，得回归方程为： VALUE = 50.9 - 1.89 P/E + 2.06 PROFIT - 18.0 UK/MN 虚拟变量(UK/MN)的回归系数-18.0的意义？ * （二）虚拟变量回归系数的意义 因为虚拟变量(UK/MN)只取0和1两个值，所以 当UK/MN=0（本国独资企业）时，回归方程为 VALUE = 50.9 - 1.89 P/E + 2.06 PROFIT 当UK/MN=1（多国合资企业）时，回归