《管理统计学》第十章解剖.pptVIP

会计系 王宏新 会计学院 会计学院 第十章 回归分析 一元回归 多元回归 逐步回归 一元回归分析 一、回归的起源 二、回归的涵义 三、相关分析与回归分析的关系 四、回归分析的任务 五、回归分析的种类 一元线性回归分析 一、一元线性回归模型的设定 高斯假设 回归方程的显著性检验——F检验 回归效果的检验——判定相关系数检验 回归效果的检验——F检验 回归系数的显著性检验——T检验 总体均值的置信区间 回归系数的置信区间 标准回归系数 多元线性回归分析 多元回归的高斯假设 逐步回归 第一种方法 第二种方法 第三种方法 第一节 一元回归分析 小结： 10.1.3普通最小二乘法(OLS Ordinary Least Square) 小结： 10.1.6* 几何解释 10.2* 多元线性回归 10.2.3* 用普通最小二乘法(OLS)所得的 的性质 10.2.6* 判定系数 10.2.8* 10.2.10* 回归系数的 检验 10.2.11* 回归系数的置信区间 10.3* 逐步回归 10.3.3* 逐步回归法 10.5** 多元线性回归的三大基本问题 2.多重共线性的后果 10.5.2** 异方差问题 10.5.3* 广义最小二乘法GLS(含WLS、Aitken估计) 10.5.4 自相关(序列相关)问题 6.一阶序列相关的 阵 7.序列相关的处理： Thank you !!! 关于自变量 统计量完全相同。 以上数量关系的几何解释， 或者说几何证明如下： 由此看来， 的系数 的 检验， 其统计量 可以理解为， 的偏回归方差 ( 与未解释方差 ( ) 之比， 也就是， 。 与第10.3.1 节所给出的 图10.3.1 偏解释变差的几何解释 最大的 统计量 。 在剔除时， 在考虑 大于选定的显著性水平 逐步回归法的第一种方法 ， 变量 对已知的一群 ) ( 回归时， 从变量 中， 逐步选出对已 解释变差的贡献(也就是偏解释变差)最大的变量， 进 入回归方程。 而对已解释变差的贡献大小的判别依据 ， 就是包含了偏解释变差的 统计量 的值 ， 先进入方程； 最后一个进入方程的自变量 ， 也应当满足： 统计量的值 的显著性概率 ， 小于等于 选定的显著性水平 逐步回归的第二种方法： 先把 对所有的自变量 回归， 然后， 逐步把 最小的 剔除出方程 所有剔除出方程的 ， 其统计量的值 著性概率 ， 。 ， ， 的显 。 统计量的值 的显著性慨率 所对照的显著 小于 的自变量。 性概率 ☆注意☆ 逐步添加法或逐步剔除法， 都应当强调 。 不能一次按照各个变量的统计量的值 的显著性概率 ， 是否小于等于选定的显著性水平 ， 来决定是否作为 因为每添加或剔除一个变量， 有回归系数的变化 、 的变化 。 一次处理， 会造成误判。 只有逐步处理， 才是恰当的。 逐步回归的第三种方法， 是一边进、 一边出。 “进” 的 变量的 的显著性概率 所对照的显著性水平 ， 通 常取得大一些， 以便能够有更多的 的外侧概率 (显著 例如 从而使较多的变量进入 取0.05 方程。 ) ( ) ， 的变量的 性水平 以便能够有较少的 著性慨率 大于 防止变量“进”“出”方程，陷入死循环。 而 “出” ， 则要取得更大一些， 的显 ” “ 逐步 都会引起所 ， 从而有更少的变量被剔除出方程 ， 、 、 ， 不全为零 例如 ) 列之外的元素 行 的 伴随阵 具有多重共线性。 10.5.1** 多重共线性 1.问题的提出 ∵ 而 ∴ 要求 远离零 。 否则 ， 在计算回归系数 时 ， 会出现计算溢出问题。 说明： 位之值=( 的 所组成的行列式之值) 。 从数学上看 ， 如果向量 可以表达为另外一些向量 、 等的线性组合 ， ( ( 不全为0 ) 则 , 称为完全线性相关 。 若 系数 ( , 不全为0 ) ， 或 者说 ， 与其他自变量 、 的复相关系数 接近1 ， 则 称变量 、 ， 会导致 趋向于1 给出虚假的回归效果好的结论 统计量将普遍变小 (3) (1)计算 , 将溢出 ， 因为 时 ， 。 (2) 的方差将变得很大 ， 因为 ， 是矩阵 的对角线元素 。 ， 导致错误地删除变量 式中 ， 。 (4) ， 。 因为 的溢出 ， 的溢出 ， 所以会导 致 (5) 仍无偏。 显著性概率大于 当 (VIF) 则表明存在多重共线性问题。 3.若干判断是否存在多重共线性的方法 (1)容许度(Tolerance)方法 与其他所有自变量 、 的相关系数 接近1时 ， ， 自变量具有明显的多重共线性 ， 所以定义容 许度 ： 。 Toli 越小 ， 共线性越强。 但需注意 ， 观测量与正态分布相去太远 ， 此质变不 适合于作为共线性的