多元回归分析例子多回归分析例子.doc

　§6 双重筛选逐步回归 １、问题的提出 　　考察自变量对因变量的影响时, 可能其中有些自变量如只对因变量有影响, 而另外一些自变量则对其它因变量有影响, 多对多逐步回归无法判断哪些自变量对哪些因变量有影响。实际情况有时可能是一部分因变量与一部分自变量有密切关系, 而另一部分因变量与另一些自变量有密切关系等等。而与不会有共同的变量, 但与可能有共同的变量, 因为一个自变量可能会对许多不同的甚至全部都有影响。双重筛选逐步回归是一种逐步算法, 既能按照自变量与因变量的关系对因变量进行分组, 又能使每个自变量对各组因变量的影响都能反映出来, 最后分组建立回归方程。 １、问题的提出 　　考察自变量对因变量的影响时, 可能其中有些自变量如只对因变量有影响, 而另外一些自变量则对其它因变量有影响, 多对多逐步回归无法判断哪些自变量对哪些因变量有影响。实际情况有时可能是一部分因变量与一部分自变量有密切关系, 而另一部分因变量与另一些自变量有密切关系等等。而与不会有共同的变量, 但与可能有共同的变量, 因为一个自变量可能会对许多不同的甚至全部都有影响。双重筛选逐步回归是一种逐步算法, 既能按照自变量与因变量的关系对因变量进行分组, 又能使每个自变量对各组因变量的影响都能反映出来, 最后分组建立回归方程。 　 ２、双重筛选逐步回归的计算方法 　　个因变量和个自变量的双重筛选逐步回归计算过程: 第一步: 确定自变量和因变量的取舍标准; 　　设和分别为自变量和因变量的引入和剔除临界值, 则一般取 　　　　, 　　　　, 第二步: 任意选人一个因变量。设此时已引入个自变量(因子)和个因变量(预报量); 第三步: 逐个检查是否需要剔除自变量, 如有自变量被剔除则转回第三步; 第四步: 逐个检查是否需要引人自变量, 如有自变量被引入则转到第三步; 第五步: 逐个检查是否需要剔除因变量, 如有因变量被剔除则转到第三步; 第六步: 引入因变量(预报量), 转到第三步; 第七步: 计算回归方程。如果自第二步～第六步已引入个因变量, 则计算此组的个回归方程; 第八步: 删除已引入的因变量的数据而保留所有自变量的数据, 从第二步起继续计算下一组回归方程, 如此继续, 直到全部因变量都有了回归方程为止。 　 例6.1 为了分析某地区自然经济条件对森林覆盖面积消长的影响而抽取12个村作为样本, 共测了12个因子, 各因子数据列于表6.1。 表6.1 序号 ?1 74.3 ?91.0 ?5.76 1.3 108 66 17.4 51.2 ?9.5 15.39 12.6 1 ?2 70.4 157.0 ?8.04 2.2 126 68 17.2 52.5 24.2 10.84 ?8.4 0 ?3 78.7 ?77.0 ?7.94 2.0 114 63 17.0 62.9 22.8 13.57 ?9.8 0 ?4 78.9 ?67.0 ?6.86 1.5 110 55 17.0 64.3 25.1 34.57 14.0 3 ?5 49.1 ?91.0 ?4.92 1.5 ?92 49 16.5 39.3 10.7 ?7.41 ?5.6 2 ?6 57.6 219.0 ?5.56 2.5 ?91 48 16.8 37.3 37.3 ?9.12 ?2.8 0 ?7 53.1 221.0 ?7.42 3.9 ?90 45 16.8 30.0 27.0 ?8.64 ?2.8 4 ?8 70.1 123.0 ?5.38 3.1 123 59 17.0 47.8 34.6 81.64 11.2 5 ?9 86.6 ?45.0 12.54 1.2 105 57 14.8 69.0 37.3 23.95 11.2 0 10 82.2 ?81.0 13.24 1.6 131 61 15.9 62.3 16.5 33.60 16.8 0 11 76.8 ?90.0 10.70 1.5 131 69 15.8 67.6 22.2 ?8.93 ?9.8 0 12 88.9 ?83.0 ?1.98 1.8 107 65 14.5 79.3 42.1 58.97 ?3.5 0 其中: 　　: 山地比例(%); 　　: 人口密度(人/); 　　: 人均收入增长率(元/年); 　　: 公路密度(100m/ha); 　　: 前汛期降水量(cm/年); 　　: 后汛期降水量(cm/年); 　　: 月平均最低温度(℃); 　　: 森林覆盖率(%); 　　: 针叶林比例(%); 　　: 造林面积(千亩/年); 　　: 年采伐面积(千亩/年); 　　: 火灾频数(次/年)。 　　按双重筛选逐步回归计算回归方程, 取, ,