第10章线性回归分析分解.ppt

第10章 线性回归分析 《管理统计学》 谢湘生 广东工业大学管理学院 不确定型的函数关系 例：宝丽来公司 例：收入与食品消费 例 多孩率与人均收入 10.1 一元线性回归 10.1.1 问题的提出 10.1.2 高斯基本假设 10.1.3 普通最小二乘法(OLS: Ordinary Least Square) 10.2 多元线性回归 10.2.1 多元线性回归模型的基本假设（高斯假设） 多元线性回归模型的矩阵表示 高斯假设 10.2.2 普通最小二乘估计式 10.2.3 普通最小二乘估计量的性质 10.2.4 普通最小二乘估计量的方差和分布 10.2.6 判定系数R2（Coefficient of Determination) 10.2.7 回归效果的F检验 10.2.9 校正的判定系数(Adjusted R2) 10.2.10 回归系数的T检验 10.2.11回归系数的置信区间 10.2.14 标准回归系数 10.3 逐步回归 10.3.1回归系数的F检验 10.3.2 偏解释变差（偏回归平方和） 10.3.3 逐步回归法 10.4 用SPSS处理经典回归问题 10.4.2 逐步回归法 10.5 多元线性回归的三大基本问题 10.5.1 多重共线性 2 多重共线性的后果 3 若干判别是否存在多重共线性的方法 4. 多重共线性的处理 10.5.2 异方差问题 1. 异方差问题的提出 3. 异方差问题存在的判断 10.5.3 广义最小二乘法(GLS) 10.5.4 自相关（序列相关）问题 1. 序列相关问题 2. 实际问题中产生序列相关的主要原因 经济因素是前后关联的 随机冲击影响的滞后作用 遗漏的变量 3. 序列相关的后果 4. 序列相关的检验 5. 序列相关的处理 10.6 用SPSS处理线性回归的三大基本问题 例题、方法、具体步骤、结果分析与说明见教材与例题的求解过程演示。 关于三大问题的小结 前面提到的高斯基本假设（3）实际上等价于两个要求： 并且 也即所有扰动项方差相等，并且不存在序列相关。 前者不满足就产生异方差问题，而若后者不满足，即 存在i, j， i? j使得 ，则产生序列相关（自相关）的问题。 序列相关常见于采用时间序列样本数据建立的模型，要求序列不相关等价于要求各期的数据不相关。实际问题常常无法满足如此要求。 并且 就度量了被删除的变量Xj对解释变差的贡献，并且称它为Xj的偏解释变差（偏回归平方和）。 可以证明 即Vj就是Xj的偏解释变差（偏回归平方和）。于是我们前面使用的F统计量 是变量Xj的偏解释变差与残差平方和（未解释变差平方和）与相应的自由度的商之比。它反映了变量Xj的解释作用（对解释变差的贡献）的相对大小。 逐步回归法的基本思路：在考虑被解释变量Y对一组解释变量的回归时，只将那些对解释变差贡献较大的变量作为解释变量，那些贡献小的则不能作为解释变量。 具体做法 逐步进入（Forward)：先选择统计量Fj的值fj最大的变量Xj进入模型，然后在剩下的变量中再考虑这统计量有最大值的变量，依次类推。需注意的是每次进入模型的变量的这一统计量都必须接受在一给定的显著性水平的显著性检验，只有通过检验的变量才进入。 逐步移除(Backward)：与前面相比现在反过来进行变量的挑选。先让所有变量进入模型，然后逐步将统计量Fj的值小的变量从模型中剔除，剩下那些该统计量能通过在某一给定显著性水平下的显著性检验的变量。 边进边出(Stepwise)：即“一边进”、“一边出”的方法。值得注意的是在SPSS中默认的“进入”变量的F统计量显著性的概率为0.05，而“出来”的显著性概率为0.10。 SPSS默认的方法：Enter，即全部变量一次进入。 此外SPSS还有一种回归的方式：Remove，即在现有的回归的基础上剔除变量。 经典回归问题——满足所有的高斯假设的单方程的线性回归模型的分析。 10.4.1 自变量强行进入的回归 例10.4.1 关于人均食品支出与人均收入关系的回归模型 考虑如下形式的模型： 数据文件“CH10回归人均食品支出” 操作过程与结果说明（p277）见演示。 例10.4.2多元线性回归模型 本例讨论人均食品支出由两个解释变量：人均收入与粮食单价解释的回归模型 方法：Enter 例10.4.3 研究某市散户股民在“证券市场投资总额”是否可以用变量“证券市场外的收入”、“受教育程度”、“入市年份”和“股民年龄”来解释。 被解释变量： “证券市场投资总额” 解释变量： “证券市场外的收入”、“受教育程度”、“入市年份”和“股民年龄” 方法：逐步回归 数据：“CH6CH9CH10证券投资额与依