多元(重)线性回归分析培训教案.pptVIP

Multiple linear regression 表15－1 32例40岁以上男性的年龄、吸烟、 体重指数与收缩压 多元回归分析数据格式 第一节 多元线性回归模型 （一）多元线性回归模型的一般形式 （二）多元线性回归分析的一般步骤 二、采用 最小二乘法建立多元线性回归方程 SAS软件输出结果 Parameter Estimates 　 Parameter Standard Standardized Variable DF Estimate Error t Value Pr |t| Estimate Intercept 1 42.78878 9.88159 4.33 0.0002 0 x1 1 1.43184 0.31057 4.61 .0001 0.68980 x2 1 9.49043 2.42174 3.92 0.0005 0.33641 x3 1 5.83908 4.28754 1.36 0.1841 0.20293 SAS软件输出结果 第二节 回归方程的假设检验与评价 一、回归方程的方差分析（H0：所有总体回归系数bj为0） 有关计算公式 有关计算公式 二、各回归系数的t检验 标准化回归系数（可说明各自变量相对贡献大小） 三、有关评价指标(软件有关结果) 1. 剩余标准差（ Root MSE ） 2.决定系数（ determination coefficient） 3. 复相关系数（ multiple correlation coefficient） 4. 校正决定系数（ Adjusted determination coefficient） 5. 偏回归平方和（sum of squares for partial regression）及其F检验 实例计算 第四节 自变量的选择 一、全局择优法 第三节 模型的变量筛选 (一)校正决定系数（ Adjusted determination coefficient） （二） Cp准则的计算公式 （三） AIC准则的计算公式 1. 全局择优法 SAS获得的几个准则值结果 全局择优法的局限性 2. 逐步选择法 （一）前进法 （二）后退法 （三）逐步回归法 第四节 多元线性回归的应用 及其注意事项 一、应用 二、应用条件 三、应用的注意事项 （一）变量的数量化 名义分类变量的哑变量化 举 例 （二）样本含量 （三）统计“最优”与专业的“最优” （四）多重共线性 多重共线性的识别与解决办法 （五）交互作用 （六）、残差图（residual plot） （七）偏相关系数 几个相关系数的区别 （八）多元回归计算程序 一、 全局择优法二、 逐步回归法 根据一些准则（criterion）建立 “最优”回归模型 校正决定系数（考虑了自变量的个数） Cp准则（C即criterion，p为所选模型中变量的个数；Cp接近（p+1）模型为最优） AIC(Akaike’s Information Criterion)准则； AIC越小越好 根据一些准则（criterion）建立 “最优”回归模型 校正决定系数（考虑了自变量的个数） Cp准则（C即criterion，p为所选模型中变量的个数；Cp接近（p+1）模型为最优） AIC(Akaike’s Information Criterion)准则； AIC越小越好 求出所有可能的回归模型（共有2m－1个）对应的准则值；按上述准则选择最优模型 　 　 　 　 　 47.507 4 0.40756 x1x2x3 54.579 2 0.17864 x2 45.356 3 0.43542 x3x4 52.814 2 0.23063 x3 45.16 3 0.4395 x2x4 52.116 3 0.27478 x1x2 45.07 3 0.