迴歸.pptVIP

* * 簡單線性迴歸模型 18.1 前言 18.2 簡單線性迴歸模型 18.3 簡單線性迴歸模型的估計量 18.4 簡單線性迴歸模型的驗証 18.5 迴歸模型的殘差分析 1 前言 　　本章介紹「簡單線性迴歸模型」的理論，主要從「為什麼」的觀點來探討，其包括簡單線性迴歸的模型、模型的估計、模型的驗証等。文中也強調並敘述利用線性迴歸分析技術所應注意的課題。雖然本章是針對簡單線性迴歸模型的理論，但其理念亦可用到「複線性迴歸模型」。「複線性迴歸模型」將另闢章節討論。 2 簡單線性迴歸模型 簡單線性迴歸模型是假設『依變數 Y 之期望值為自變數 X 之線性函數』，即所有 Yi 之期望值均落在一直線上，此稱之為『迴歸線性假設（The linearity of regresssion）或迴歸共線假設』。 《圖18.2-1》簡單線性迴歸模型 3 簡單線性迴歸模型的估計量 簡單線性迴歸分析的目的，是要瞭解是否能用自變數 X 來解釋依變數 Y ，亦即變數 X 和 Y 的關係是否密切，而足以適當地用一種線性方程式來表示。 換言之，即是要求出一條經過這 n 個點（資料對）的最適線性方程式（稱之為線性迴歸方程式或迴歸直線），即可由變數 X 的值求出 Y 的值。 一般求出此線性迴歸方程式的方法是利用最小平方法：即是利用這 n 個點，求出未知參數 α 和 β 的估計量，分別表示為α 和 β。 4 簡單線性迴歸模型的驗証 　　依變數是要被預測的變數，也是迴歸問題的中心，由於依變數的結果無法事先預知，因此必須利用其他變數（因素）來解釋它。 　　要找出適當的變數，首先必須要確立此變數與依變數是否有因果關係？因果關係愈強愈佳。 　　除了因果關係的考慮外，下一步即要選擇關係密切者。這可利用圖示法來判斷，若圖形顯示兩個變數成「非水平的狹窄帶狀」關係時，此變數應是一適當的自變數，而且圖形愈狹窄愈佳。 4.1 首先確立依變數，並找出適當的自變數 4.2 求出簡單線性迴歸方程式 將所收集到的資料代入(1)式中，求出截距 a 和斜率 b，即可獲得簡單線性迴歸方程式。 ．．．．．(1) 簡單線性迴歸方程式： 4.3 檢定參數(理論的截距和斜率) 斜率的檢定 虛無假設：β＝0 對立假設：β≠0 1 截距的推論檢定 虛無假設：α＝0 對立假設：α≠0 2 4.4 判定簡單線性迴歸模型的適合性 判定係數 若「迴歸變異」愈趨近於「總變異」，則表示依變數的變化能由迴歸模型來解釋，此時表示此迴歸模型極合適。「迴歸變異」與「總變異」的比值稱為判定係數 ，表為 R2，0≤R2≤1。 2 模型適合性的檢定 虛無假設：迴歸模型不適合 （解釋能力極低或斜率為零） 對立假設：迴歸模型適合 （解釋能力高或斜率不為零） 1 4.5 檢定模型的假設 　　如果可以獲得合適的線性迴歸方程式，但此迴歸模型是否滿足各項的假設呢？因為迴歸模型的建立是根基於這些假設。顯然，若其偏離假設太遠，則此迴歸模型就有問題，所以有必要去檢視這些假設是否成立。這些假設的檢視稱為殘差分析，請見本章18.5節的討論。 4.6 利用簡單線性迴歸模型作預測 在某特定值時之期望值的預測 （1-r）% 的信賴區間的估計值為： 1 《圖18.4-1》個別反應值的預測圖示 在某特定值時之個別反應值的預測 （1-r）% 的信賴區間的估計值為： 2 5 迴歸模型的殘差分析 　　判定假設的正確性，先假定「迴歸模型的假設是正確，然後再利用現有的資料去驗証其正確性」。此現有的資料就是殘差，因為所有變化的資料均在殘差內，所以利用分析殘差的結果來判斷假設的正確性是合理可行的，此謂之「殘差分析」。 　　但必須知道「即使所有的假設均通過驗証，也不能完全斷言迴歸模式是正確無誤，而僅能表示以現有的資料，並不能判定其不合理」。 　　要分析殘差以驗証假設，可用圖示法來分析： A. 繪殘差次數分配圖，判定是否為常態分配。 B. 依收集資料的順序，繪殘差點圖。 C. 繪殘差 ei 與迴歸估計值 yi 的對應圖。 D. 繪殘差 ei 與自變數 X（即 xi）的對應圖。 5.1 殘差相關變數和意義 未標準化的預測量（估計量：PRED） 估計量為 　　　，i=1、2、...、n 估計值為 　　　，i=1、2、...、n 1 Leverage 值（Hat 矩陣對角元素 h i：LEVER） 2 預測值的標準差（SPERED） 3 標準化的預測量（ZPRED） 4 未標準化的殘差（RESID） 5 標準化殘差（ZRESID） 6 Studentized殘差（SRESID） 7 調整的預測量（ADJPRED） 估計量為　　　　　　　　 ，i=1、2、...、n 估計值為 　　　　　　　　，i=1、2、...、n 8 刪除型