多重线性回归概述.ppt

多重线性回归 简单线性回归：研究一个因变量与一个自变量间的线性关系。 多重线性回归：研究一个因变量与多个(两个或两个以上)自变量间的线性关系。 多元多重线性回归：研究多个因变量与多个自变量间的线性关系。 多重回归优点：比只用一个自变量进行预测更有效，更符合实际，可增强对因变量的分析估计的准确性。 一、多重线性回归模型的建立 例13-2 所得方程： 标准回归方程：将原始数据分别转换成标准分数，以标准分数建立的回归方程。一般形式为： 标准偏回归系数与回归系数的关系如下： 二、多重线性回归方程的检验 （一）方差分析 若求得的回归方程非常显著，即因变量Y与两个自变量之间存在显著的线性关系。 （二）测定系数 也可以通过复相关系数的显著性检验来对回归方程进行检验，复相关系数显著则回归方程也显著。查附表11可对复相关系数的显著性进行检验。 （三）偏回归系数的显著性检验 对每个偏回归系数的显著性检验使用t检验 注意：偏回归系数不显著时回归方程可能仍然显著。 经方差分析，结果回归方程显著，但回归方程中每一个偏回归系数不一定都显著。 （四）多重线性回归中的预测区间 三、多重回归方程中自变量的选择 （一）最优方程选择法：从所有可能的自变量组合建立的回归方程中选择最优的。 （二）同时分析法：将所有的预测变量同时