第6.2节 多元线性回归分析详解.ppt

第6.2节　多元线性回归分析 一、多元线性回归的数学模型 这里In表示阶单位阵。对式(6.15)给出的多元 线性回归模型，通常所考虑的问题是，对未 知参数? 和?2进行估计，对?的某种假设进行 检验，对 Y进行预报等。 在下述讨论中，一般总假定nm和矩阵的秩等 于 m+1 。 二、参数的估计 三、估计量的分布及性质 四、回归系数及回归方程的显著性检验 但从例6.2得知，总的线性回归又是显著的， 产生这种现象的原因主要是由于回归变量之 间具有较强的线性相关，这时不能简单地采 用例6.5给出的线性回归方程，还需要进一步 讨论。 五、最优回归方程的选择 六、稳健估计 再 见 对于给定的显著性水平?，拒绝域为： 例2(续例1)(p207例6.6) 解 由给定的数据可以计算得到 例3(续例1)(p207例6.7) 解 由给定的数据可以计算得到 选择最优回归方程的一般原则： (1) 寻求一线性回归方程使其包含所有对Y有显著 作用的回归变量,剔除不显著的回归变量. (2) 估计的标准误差达到最小者为优. 即 一、多元线性回归模型 二、参数的估计 三、参数估计量的分布与性质 四、回归系数与回归方程的显著性检验 五、最优回归方程的选择 六、稳健回归 称其为多元线性回归模型 为了表述方便，引入矩阵 参数向量?的最小二乘估计 ?的最小二乘估计满足下式 上式可以用矩阵表示为 将上式可以改写为 此式可以用矩阵表示为 其矩阵形式为： 例1(p201例6.5) 某种水泥在凝固时放出的热量Y与水 泥中下列4种化学成份有关： 通过实验得到下列数据： 序 号 1 7 26 6 60 78.5 2 1 29 15 52 74.3 3 11 56 8 20 104.3 4 11 31 8 47 87.6 5 7 52 6 33 95.6 6 11 55 9 22 109.2 7 3 71 17 6 102.7 8 1 31 22 44 72.5 9 2 54 18 22 93.1 10 21 47 4 26 115.9 11 1 40 23 34 83.8 12