第十章多元回归与相关技术报告.ppt

第十章 多元回归与相关 多元线性回归 这个1.4055g就是由表10.1所建立的三元回归方程的估计标准误。 再由式得： 四、多元线性回归的假设测验 （一）多元回归关系的假设测验 在多元回归分析中，可将依变量的总变异分解为多元回归和离回归两个部分，各项变异来源的平方和、自由度见下表。 多元线性回归的方差分析表 SSy n-1 总和 MS离 Qy·12…m n-m-1 离回归 MS回/ MS离 MS回 Uy·12…m m 多元回归 F MS SS DF 变异原因 令b1, b2, …, bm所代表的总体回归系数为 β1、 β2、…、 βm，则有 H0： β1 = β2 = … = βm = 0 HA： β1、 β2、…、 βm不全等于零。 如果F ＞ F0.05,(m,n-m-1),称该回归在0.05 水平上显著；如果F ＞ F0.01,(m,n-m-1),则称该回归在0.01水平上显著。如果F＜ F0.05,(m,n-m-1), 称该回归不显著。 【例10.3】试对例10.1资料做多元回归关系的假设测验。 总和 14 239.89 三元回归 3 218.16 72.72 36.72 6.22 离回归 11 21.73 1.98 变异原因 DF SS MS F F0.01 表10.3 表10.1资料三元回归的假设测验 解：由例10.1已算得Uy·123=218.16, Qy·123=21.73, SSy=239.89 和 n=15。 F=36.72F0.01=6.22，为极显著， 故否定H0：β1=β2=β3=0， 推断小麦单株产量依每株穗数、穗粒数和千粒重的三元线性回归为极显著。 注意： 正如方差分析中F测验显著，并不代表所有处理平均数的差异都显著。 2、多元线性回归显著，并不排除其中存在着与y无线性回归关系的自变量的可能性。 1、多元线性回归显著并不排除有多元非线性回归关系的存在； ◆ 多元线性回归关系的假设测验实质上是测定各个自变量对y的综合作用是否有真实的回归关系。 ◆如果某些自变量和y有极显著的回归关系，而另一些自变量和 y没有回归关系，在测验综合作用时往往不能予以区分。因此，要评定各个自变量对y是否有真实的回归关系必须对各个偏回归系数做假设测验。 （二）偏回归系数的假设测验 偏回归系数假设测验就是测验各个偏回归系数bi是否来自βi=0的总体。 H0： βi=0 ； HA： βi≠0。 可用t测验或F测验进行。 1、 t测验 偏回归系数bi的标准误为 由于 服从df=n-m-1的t分布，故在H0： βi=0 的假设下，可由 测定bi是否抽自βi=0 的总体。 【例10.4】试对例10.1资料的b1=1.8485, b2=0.4678, b3=0.6421做t测验。  在例10.2已算得 sy·123=1.4055, c11=0.034847, c22=0.048472， c33=0.0307266 查附表3，得t0.05,11=2.201, t0.01,11=3.106, b1的t=7.04t0.01,11为极显著； b2的t=1.51t0.05,11不显著； b3的t=2.61t0.05,11为显著。 即每株穗数（x1）和千粒重（x3）对产量皆有显著的回归关系。 对于b2应接受H0，否定HA，即每穗粒数对产量没有真实的回归关系。 2、F测验 在 多元回归中，Uy·12…m总是随着m的增多而增大，如果取消一个自变量xi，则Uy·12…m-1要比Uy·12…m减少Upi. Upi就是y在xi上的偏回归平方和，也就是由xi的变异所产生的回归部分平方和，具有1个自由度。因此，由 可测定bi是否来自βi=0的总体。  Up3=b32/c33=0.642