相关分析与多元归分析.docVIP

7.4多元线性回归 7.4.1方法概述 1. 模型的建立： 多元线性回归分析是研究一个因变量与多个自变量间关系的统计方法。模型可写成为： 截距；bi（i=1,…,k）称为偏回归系数，表示当其余自变量固定时，Xi变化一个单位时，因变量Y的平均变化量。 回归系数的估计仍根据最小二乘原理，求b0,b1,…,bk使得达到最小。多元回归模型的参数估计不能象直线回归那样可以直接写出表达式，矩阵形式： 由于各自变量的单位不同，为此要运用标准化偏回归系数。先作变量的标准化，即作变换 标准化偏回归系数bi’表示当其它自变量固定时，Xi变化一个标准差时，因变量Y变化的标准差单位数。bi’没有单位，所以可以用它们的绝对值大小来说明各自变量的重要性，其值越大，对因变量的作用越大。以bi’表示Xi的标准化偏回归系数，则 2. 假设检验： (1)离均差平方和的分解 与直线回归一样，多元回归时亦可将因变量的离均差平方和可分解为两部分： SST(总)=SSR(回归)+SSE(剩余) 回归平方和越大，回归的效果越好。回归平方和与总离均差平方和的比值称为决定系数(coefficient of determination, R2)，其计算公式同称为复相关系数，表示多个自变量共同对因变量的相关密切程度。 回归平方和SSR是多个自