复相关系数.pptVIP

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： 逐步选择法 1. 1.前进法，回归方程中的自变量从无到有、从少到多逐个引入回归方程。这种选择自变量的方法基于残差均方缩小的准则，不一定能保证“最优” . 此法已基本淘汰。 2.?后退法，先将全部自变量选入方程，然后逐步剔除无统计学意义的自变量。 剔除自变量的方法是在方程中选一个偏回归平方和最小的变量，作F检验决定它是否剔除，若无统计学意义则将其剔除，然后对剩余的自变量建立新的回归方程。重复这一过程，直至方程中所有的自变量都不能剔除为止。理论上最好，建议使用采用此法。 3.逐步回归法，逐步回归法是在前述两种方法的基础上，进行双向筛选的一种方法。该方法本质上是前进法。 第五节 多元线性回归的应用与注意事项 多元线性回归的应用 多元线性回归应用的注意事项 1、非同质资料的合并问题 斜率相同（同质）：可以利用男、女合并的资料拟合共同的回归模型