多元回归分析演示文件修改版.pptVIP

第三章 多元线性回归 一、多元回归模型与回归方程 1.多元回归模型(multiple regression model) 多元线性回归模型误差项ε的基本假定 2.多元回归方程(multiple regression equation) 多元线性回归方程的直观解释 例3.1 表3-1 用Excel进行回归分析的步骤 表3-2 一、多重判定系数(multiple coefficient of determination) 续 例 二、估计标准误差(standard error of estimate) 3.3 显著性检验 一、线性关系检验 例3.2 例3.3 回归系数的置信区间 3.4 多重共线性 一、多重共线性及其所产生的问题 二、多重共线性的判别 例3.4 表3-4 三、多重共线性问题的处理 例3.5 包含x1、x2和 x4 的回归方程 表 3－5 区间预测 例3.6 3.6 虚拟自变量的回归 一、含有一个虚拟自变量的回归 例3.7 表3-8 用Excel进行虚拟自变量的回归分析的步骤 表3-9 例3.8 表3-11 续 表3-12 续 表3-13 作业与思考： 1、对于线性统计模型 假设，最小化误差平方和得到如下线性方程组 根据例 3.1 的数据，检验自变量是否存在多重共线性. 表3-3 自变量之间的相关矩阵 相关系数的 t 检验统计量 剔除紧密相关且不重要的自变量，从而尽可能使自变量之 间线性无关. 根据例 3.1 的数据，对多重共线性进行处理. 解：由于 最小，首先剔除 ，建立 y 与 的回归方程. 又由于这时 最小，且 不显著. 从而再剔除 ，建立 y 与 的回归方程. 这时, 都是显著. 包含x1和 x4 的回归方程 3.5 利用回归方程进行估计和预测 　　对自变量　　　　　　 的一组取值　　　　　　 根据样本回归方程 用 作为 或　 的估计，称为点估计或点预测. 　　对于自变量的一组取值　　　　　　　　 根据样本回归方程给出 或 的一个估计区间，称为置信区间. 由于置信区间和预测区间的计算较复杂，这里我们直接给出结果： 根据例 3.1 的数据，贷款余额 x1=100 、累计应收贷款 x2=10、贷款项目个数 x3=15 和固定资产投额 x4=60 ，试给出 不良贷款的0.95置信区间和预测区间. 解：可以计算 点估计为2.929. 置信区间 ： [2.04，3.80] 置信区间： 【-0.88，6.72】 一、含有一个虚拟自变量的回归 二、用虚拟自变量回归解决方差分析问题 如果一个定性的自变量只划分为两个类别，并分别用 0 和 1 表示，这种定性变量称为虚拟自变量. 回归模型中使用虚拟自变量时，称为虚拟自变量的回归.当一个定性的自变量划分为 k (2)个类别时，则可转化为 k 个虚拟自变量，但只能引进 k-1 个虚拟自变量. 为研究考试成绩与性别之间的关系，从某大学商学院随机 抽取男女学生各8名，得到他们的市场营销学课程的考试成绩列于表3-8. 试建立考试成绩与性别的线性回归方程. 解：学生性别是一个定性变量，分别用 0 和 1 表示男性和女性，即 由 Excel 给出的结果如表2-9所示. ，男性 ，女性 16名学生的市场营销学课程考试成绩 Excel 给出的回归分析结果 为研究工资水平与工作年限和性别之间的关系，在某行业随机抽取10名职工，所得数据如下. 表3-10 10名职工的工资水平、工作年限和性别的数据 月工资收入(y)与工作年限(x1)的回归结果 首先，考虑只有数值型自变量(工作年限)的一元回归. 由 Excel 给出的回归结果如表 3-11 所示. 回归方程显著，R2= 0.5342. 再引进虚拟自变量(性别)，即 ，男性 ，女性 得包含虚拟自变量的数据表3-12如下. 3.1 多元线性回归模型 3.2 回归方程的拟合优度 3.3 显著性检验 3.4 多重共线性 3.5 利用回归方程进行估计和预测 3.6 虚拟自变量的回归 3.1 多元线性回归模型 一、多元回归模型与回归方程 二、估计的多元回归方程 三、参数的最小二乘估计 称为