线性回归案例.pptVIP

数学建模之统计模型 round函数：设定保留小数的位数，如round(a,3)。 * * * c(2,2)：建立一个向量2，2 par设置图形格式 * y$a # y中名为a的变量 * 将残差和自变量作散点图，观察图形的形状 * * 显著性检验的结论 从F检验的结果看，模型的线性关系是显著的。 从T检验的结果看，ROEt和LEV两个变量通过了检验，GROWTH变量在显著性水平降至0.1时也可以通过检验，因此这三个变量与因变量的线性关系较为显著。 注意，这不说明应该删除其它变量！ Step 4 模型的诊断 异方差性、非正态性、异常值 同方差性检验 同方差性检验 同方差性检验 同方差性检验 正态性检验 若 , 并且 则有 正态性检验 进一步可以得到 以及 所以在正态性假设下，残差 与 应该成线性关系。 正态性检验 Q-Q 图 残差: 将残差排序: Y: X: 将上面的方法应用于本案例 目标1：检验模型是否符合三个假设 目标2：找出异常值 SPSS实现方法：以预测值为X轴，残差为Y轴画散点图；画Q-Q图 R语句：par(mfrow=c(2,2)) #设置画图为2x2的格式 plot(lm1,which=c(1:4)) #画出lm1中对应于模型检验的4张图，包括残差图、QQ图和Cook距离图 检验发现47号数据为异常值，需要将其消除 语句：a1=a1(-47) 粗略的方法：Cook距离0.5时，认为不是异常值点；Cook距离1时，认为是异常值点； 同方差性检验 多重共线性 含义及检验 什么是多重共线性？ 如果存在如下回归方程 能不能把它变成下面这样 如果对这个方程进行回归会发生什么事？ 第一个例子 假如有两个变量x1和x2，用最小二乘法得到如下参数估计量。 第二个例子 假如有三个变量x1、x2和x3，用最小二乘法得到如下参数估计量。 方差膨胀因子 定义下面的回归形式为辅助回归 令 为辅助回归的判定系数 则方差膨胀因子为： 它反映了在多大程度上第i个自变量所包含的信息被其他自变量覆盖 当VIF≥10时，说明存在多重共线性。 方差膨胀因子 R语句： 所有的VIF值都小于10且接近1，所以没有多重共线性问题。 变量的选择 AIC 和 BIC准则 AIC (Akaike Information Criterion) 赤池信息准则 BIC (Bayesian Information Criterion) 贝叶斯信息准则 比较所含解释变量个数不同的多元回归模型的拟合优度 AIC 和 BIC AIC方法比较保守，其中p为自变量个数，与RSS(拟合残差平方和)成反比。 使AIC达到最小的模型是最优的 BIC相对不那么保守，因此保留的变量可能会比较少。 预测 预测值与置信区间 预测值的方差等于期望值的方差加上新产生的误差项的方差。 数据准备 以2003年数据为检验数据，可以用如下方法对数据进行准备 预测 一、线性回归 人们关心的变量(因变量)受另外几个变量(自变量)的关联性(非因果性)的影响，需要建立这些变量的数学模型，使得能够根据自变量的数值预测因变量的大小，或者解释因变量的变化，达到预测、控制等目的。 本课重点以案例为依托重点介绍方法。 一元线性回归 多元线性回归 回归分析 数学模型及定义 *模型参数估计 *检验、预测与控制 可线性化的一元非线 性回归（曲线回归） 数学模型及定义 *模型参数估计 *多元线性回归中的 检验与预测 案例介绍 背景、目标、变量和分析 案例背景 目前中国的资本市场逐渐成熟，投资于股市成为众多企业乃至个人的重要理财方式。因此利用上市公司当年的公开的财务指标对来年盈利状况予以预测就成为投资人最重要的决策依据。 本案例随机抽取深市和沪市2002年和2003年容量分别为500个的样本，对上市公司的净资产收益率（return on equity, ROE）进行预测。 案例目标与变量 目 标：盈利预测 因 变 量：下一年的净资产收益率（ROE） 自 变 量：当年的财务信息（指标） 样本容量：2002年500；2003年500 Dependent variable independent variable (predictor, predictive variable, covariate) 自变量 ROEt: 当年净资产收益率 ATO: 资产周转率（asset turnover ratio） LEV: 债务资本比率（debt to asset ratio） 反映公司基本债务状况 PB: 市倍率