第章多重线性回归.pptVIP

第十六章 多重线性回归 主要内容 第一节 多重线性回归概述 第二节 多重线性回归的分析步骤 第三节 自变量选择的方法 第四节 多重线性回归的应用及其注意事项 一、多重线性回归的基本概念 二、多重线性回归模型的应用需要满足的条件 第一节 多重线性回归概述 多重线性回归是一种重要的、经典的多因素分析方法，是简单线性回归方法的扩展，它采用回归方程的方式定量地描述一个因变量Y 和多个自变量之间的线性依存关系，从而对因变量作更为准确的解释和预报。 一、多重线性回归的基本概念 二、多重线性回归应用的条件 1.线性（linearity） 2.独立性（independence） 3.正态性（normal distribution） 4.等方差性（equal variance） 第二节 多重线性回归的分析步骤 一、多重线性回归模型的一般形式 二、多重线性回归分析步骤 三、多重线性回归方程的用途、前提条件 例16-1 研究血液中微量元素含量与血红蛋白的定量关系，测得某地区29名同性别同龄的儿童微量元素血红蛋白含量y与微量元素钙、镁、铁、铜含量，见表16.1，试根据数据建立多重线性回归方程。 1 13.70 12.68 80.32 0.16 135.0 2 18.09 17.51 83.65 0.26 130.1 …………………………………………………….. 29 11.80 11.73 52.75 0.13 70.0 编号 x1 x2 x3 x4 y 一、多重线性回归的一般形式 样本的回归方程： 16.1 16.2 偏回归系数的含义 为变量Xi 的总体偏回归系数（partial regression coefficient），表示当方程中其他自变量保持常量时，自变量Xi每增加（或减少）一个计量单位，反应变量Y 平均变化1个单位。 二、回归方程的分析步骤 （一）参数估计（最小二乘估计） 用最小二乘估计可计算参数估计值： b1,b2,…….,bm （二）假设检验 回归方程的假设检验： 2. 回归系数的假设检验: 16.7 16.9 （三）自变量筛选的常用方法 1.最优子集法 optimum subsets 2. 后退法 (剔除无用的)backward 3.前进法 (引入有用的)forward 4.逐步法 (综合1、2)stepwise 表16.4 逐步回归模型偏回归系数的估计与检验结果 41.14 0.075 2.090 -20.46 -3.055 1.355 0.496 0.061 0.000 0.690 -1.958 9.632 ------- -0.184 0.904 14.98 0.761 0.179 10.339 -1.490 1.723 常数 X1钙 X2镁 下限 上限 标准误 偏回归系数 95%CI P t 标准化 偏回归 系数 非标准化 模型 (四)标准化偏回归系数 偏回归系数因单位不同不能直接比较其大小，对变量值作标准化变换，得到的回归系数没有度量衡单位，为标准化偏回归系数，可直接比较其大小，反映各自变量对因变量的贡献大小。 (四)标准偏回归系数 41.14 0.075 2.090 -20.46 -3.055 1.355 0.496 0.061 0.000 0.690 -1.958 9.632 ------- -0.184 0.904 14.98 0.761 0.179 10.339 -1.490 1.723 常数 X1钙 X2镁 下限 上限 标准误 偏回归系数 95%CI P t 标准化 偏回归 系数 非标准化 模型 (五)多重线性回归方程效果的评价 1.决定系数： 2.校正的确定系数： 0.781 (六) 回归方程的诊断 1. 多重共线性诊断 (1) 方差膨胀因子与容忍度 当VIF≥10,方程存在严重共线性 VIF的倒数称为容忍度，越小则共线性越严重。 16.14 (2) 特征根系统-条件指数和方差分量 当hj≥10,方差分量0.5时，方程存在严重共线性 1.547 2.498 1.731 1.822 0.646 0.400 0.578 0.549 0.00 0.47 0.15 0.29 0.09 0.00 0.12 0.10 0.00 0.77 0.00 0.00 0.09 0.16 0.75 0.00 0.03 0.40 0.47 0.10 0.00 0.05 0.16 0.61 0.18 1.000 11.90 15.