第十五章多重线性回归1分解.pptVIP

1. 方差分析法： （一）对回归方程的假设检验 * * （二）对偏回归系数的假设检验—F检验和t检验 回归方程成立只能认为总的来说自变量和因变量间存在线性关系，但是否每一个自变量都与因变量间存在线性关系，须对其偏回归系数进行假设检验 ①方差分析法 ②t检验法 * * 1、方差分析法：计算xi的偏回归平方和 它表示模型中含有其它m-1个自变量的条件下该自变量对Y的回归贡献。 相当于从回归方程中剔除xi后所引起的回归平方和的减少量。 其值愈大说明相应的自变量愈重要。 * * 0.6129+11.9627+20.0635+27.7939≠133.7107 * 胰岛素(X3)与糖化血红蛋白(X4)与血糖(Y)有线性回归关系。 * 2、t检验法 * 胰岛素(X3)与糖化血红蛋白(X4)与血糖(Y)有线性回归关系。 3.标准化回归系数 多重线性回归方程中，各自变量的单位不同，其偏回归系数之间是无法直接比较的，需要对偏回归系数标准化，以消除量纲的影响 标准化偏回归系数绝对值的大小，可以衡量自变量对因变量贡献的大小，即说明各自变量在多元回归方程中的重要性 * * 标准化回归系数bj’ 的绝对值用来比较各个自变量xj 对Y的影响程度大小；绝对值越大影响越大。标准化回归方程的截距为0。 标准化回归系数与一般回归方程的回归系 数的关系： 标准化回归方程 * 对血糖影响大小的顺序依次为糖化血红蛋白(X4)、胰岛素(X3)、甘油三酯(X2)与总胆固醇 (X1)。胰岛素为负向影响。 （三）对模型的效果进行评价 评价回归方程回归效果的优劣是回归分析的重要内容之一 常用评价指标有： 复相关系数 决定系数 校正决定系数 剩余标准差等 * * 1.复相关系数R 衡量因变量Y与回归方程中所有自变量线性组合间相关关系的密切程度 Y与估计值 间的Pearson相关系数r。 反映线性回归模型能在多大程度上解释反应变量Y的变异性。 * 2.决定系数R2 3、剩余标准差 * 4、调整的R2 * 调整的R2(Adjusted R-Square) 当回归方程中包含有很多自变量，即使其中有一些自变量对解释反应变量变异的贡献极小，随着回归方程的自变量的增加，R2 值表现为只增不减，这是决定系数R2的缺点。 调整的R2定义为 * 血糖含量变异的60%可由总胆固醇、甘油三酯、胰岛素和糖化血红蛋白的变异解释。 第四节????自变量筛选 目的：使得预报和（或）解释效果好 自变量筛选的标准与原则 1.残差平方和（SSE）缩小与确定系数（R2）增大 2.残差均方（ SSE ）缩小与调整确定系数增大 3. CP统计量 选择既具有较小CP值，在图中又接近于CP =q直线的模型作为“最优”的准则 全局择优法 目的：预报效果好 意义：对自变量各种不同的组合所建立 的回归方程进行比较 择优。 选择方法： * R2可用来评价回归方程优劣。 随着自变量增加，R2不断增大，对两个不 同个数自变量回归方程比较，须考虑方程 包含自变量个数影响，应对R2进行校正。 所谓“最优”回归方程指 最大者。 1.校正决定系数 选择法 * P为方程中自变量个数。 最优方程的Cp期望值是p+1。 应选择Cp最接近P+1的回归方程为最优。 2. 选择法 * * 二、逐步选择法 全局选择计算量很大： 6个变量，计算26-1=63个方程； 10个变量，计算210-1=1023个方程。 按选入变量顺序不同分前进法、后退法 与逐步回归法，共同特点是每一步只引 入或剔除一个自变量Xj。 * 对Xj的取舍要进行F检验： 计算进行到第l步时： p :方程中自变量个数 SS回：Xj的偏回归平方和 SS残：残差平方和 * 1.前进法（只选不剔） 自变量从无到有、从少到多 从方程外选取偏回归平方和最大的自变量作F检验以决定是否选入方程，直至无自变量可以引入方程为止。 缺点：后续变量的引入可能使先前引入的变 　　　量变的不重要。 Xj入选 * Multiple Linear Regression Analysis 多重线性回归分析 第15章 content 第一节?? 多重线性回归的概念与统计推断 第二节 假设检验及其评