第03章回归分析.ppt

GPLOT过程的选项 UNIFORM 要求用BY语句分组打印的散点图的坐标刻度相同，便于比较。 VTOH=数值 指定纵横坐标的比例。 PLOT语句说明 分层变量：表示所做的散点图按指定变量的取值分层，默认按不同颜色来区分。 语句选项 1 OVERLAY 同一语句做的图重叠在同一个坐标系中显示。 2 HAXIS=数值 定义横坐标的刻度。 3 VAXIS=数值 定义纵坐标的刻度。 4 CAXIS=颜色 定义坐标轴的颜色。 5 CTEXT=颜色 定义坐标轴文本的颜色。 SYMBOL语句选项 VALUE=符号 可用的符号及相应名称有： ＋ PLUS ★ STAR ■ SQUARE? ◆ DIAMOND ▲ TRIANGLE I=连线方式 　① JOIN 用直线连接。 　　　　　　　 　② SPLINE 用光滑的曲线连接。 NEEDLE 向横坐标画垂线。 RL 添加回归直线。 WIDTH=宽度 定义数据点和连线的宽度。 COLOR=颜色 定义数据点和连线的颜色。 应用实例 10名20岁男青年身高(cm)与前臂长(cm)如下，请绘出散点图 身高170 173 160 155 173 168 178 183 180 165 前臂长 45 42 44 41 47 50 47 46 49 43 例3.4 用各种准测所建议的最优回归方程可能是不同的； ， 和 准测侧重于回归方程的拟合优度，但后两者加进了参数个数 的控制作用。而 准测更侧重于回归方程的预报能力。 若实际情况中次优模型的自变量值更易得到并成本更低，也可以考虑次优模型。 逐步回归法 逐步回归法的基本步骤是依次拟合一系列回归方程，后一个回归方程是在前一个的基础上增加或删除一个自变量，其增加或删除某个自变量的准测是用残差平方和的增加或减少量来横量，一般采用如下的偏F检验统计量。 逐步回归法 其中 称为额外 回归平方和，它描述了将 引入到含A 中各变量 的线性模型中（或在含A中各自变量及 的线性 模型中剔除 ）时，其误差平方和的减少（或增 加）量。可以证明，当含A中各变量的线性回归 模型为真时， 。 逐步回归法的具体步骤 首先，给定两个显著水平，一个用作选取自变量，记为 ；另一个用作剔除自变量，记为 。然后按照下列步骤进行： 第1步 对每个 ，拟合仅包含 的线性回归模型 这时，相应于统计量 中的集合A为空集，即 ，因此 ，故 逐步回归法的集体步骤 对每个k，计算 它度量了将 引入模型后，残差平方和的相对减少量。设 若 ，则选择含有 的回归模型为当前模型。否则，没有自变量进入模型，选择过程结束。这时认为所有自变量对Y的影响均不显著。 逐步回归法的集体步骤 第2步 在第1步选出的含 的基础上，再将其余M－1个自变量逐个加入到此模型中，并计算 设 若 ，则选取过程结束。第1步选出的模型（即仅含 的线性回归模型）为最优模型。若 ，则将 加入到第1步所选的模型中，即有 逐步回归法的集体步骤 进一步考察，当 进入模型后， 是否可被剔除。为此计算 若 ，则剔除 ，这是仅含有 的回归模型为当前模型。否则式 为当前模型。 逐步回归法的集体步骤 第3步 在第2步所选模型的基础上，再将没在模型中的自变量逐个加入，计算相应的偏F检验统计量的值，与相应F分布的上侧 分位数比较以决定是否有其他变量可进入模型。若有新的自变量进入模型，再检验原模型中的自变量是否因这个新自变量的进入而可被删除。 逐步回归法的集体步骤 例如，若第2步中选择结果是模型（ 3.20 ），再将其余M－2个自变量逐个加入该模型，并计算 设 若 ，则选择过程结束，模型（3.20）为最优模型。若