1.回归分析-国立高雄第一科技大学图资馆大数据资源网Bigdata.ppt

（一）最優子集回歸法 求出所有自變量可能組合子集的回歸方程的模型（共有2m－1個），按一定準則選擇最優模型，常用的準則有： ①校正決定係數（考慮了引數的個數） ②Cp準則（C即Criterion，p為所選模型中自變量的個數；Cp接近p+1的模型為最優） ③AIC(Akaike`s Information Criterion)準則；AIC 越小越好 s2是σ2的無偏估計 最優子集法的局限性 如果自變量個數為4，則所有的回歸有24－1＝15個；當自變量個數為10時，所有可能的回歸為 210－1＝1023個；…… ；當自變量個數為50時，所有可能的回歸為250－1≈1015個。 （二）逐步選擇法 1. 前進法（Forward Selection） 2. 後退法（Backward Elimination） 3. 逐步回歸法（Stepwise Regression）。 它們的共同特點是每一步只引入或剔除一個自變量。決定其取捨則基於對偏回歸平方和的F檢驗 方程中參數的估計 可用最小二乘法求得 也就是求出能使估計值和實際 觀察值的誤差平方和為最小值 的一組回歸係數值。 （一）模型的參數估計 求回歸係數b1,b2,……,bm的方法是求解正規方程組 常數項： 27名糖尿病患者的血清總膽固醇（x1）、甘油三酯（x2）、空腹胰島素（x3）、糖化血紅蛋白（x4）、空腹血糖（y）的測量值列於表中，試建立血糖與其它幾項指標關係的多元線性回歸方程。 例： 序號 x1 x2 x3 x4 y 1 5.68 1.9 4.53 8.2 11.2 2 3.79 1.64 7.32 6.9 8.8 3 6.02 3.56 6.95 10.8 12.3 4 4.85 1.07 5.88 8.3 11.6 5 4.6 2.32 4.05 7.5 13.4 6 6.05 0.64 1.42 13.6 18.3 7 4.9 8.5 12.6 8.5 11.1 8 7.08 3 6.75 11.5 12.1 9 3.85 2.11 16.28 7.9 9.6 10 4.65 0.63 6.59 7.1 8.4 11 4.59 1.97 3.61 8.7 9.3 12 4.29 1.97 6.61 7.8 10.6 13 7.97 1.93 7.57 9.9 8.4 14 6.19 1.18 1.42 6.9 9.6 15 6.13 2.06 10.35 10.5 10.9 16 5.71 1.78 8.53 8 10.1 17 6.4 2.4 4.53 10.3 14.8 18 6.06 3.67 12.79 7.1 9.1 19 5.09 1.03 2.53 8.9 10.8 20 6.13 1.71 5.28 9.9 10.2 21 5.78 3.36 2.96 8 13.6 22 5.43 1.13 4.31 11.3 14.9 23 6.5 6.21 3.47 12.3 16 24 7.98 7.92 3.37 9.8 13.2 25 11.54 10.89 1.2 10.5 20 26 5.84 0.92 8.61 6.4 13.3 27 3.84 1.2 6.45 9.6 10.4 各變量的離差矩陣 lij = x1 x2 x3 x4 y x1 66.0103 67.3608 -53.9523 31.3687 67.6962 x2 67.3608 172.3648 -9.4929 26.7286 89.8025 x3 -53.9523 -9.4929 350.3106 -57.3863 -142.4347 x4 31.3687 26.7286 -57.3863 86.4407 84.5570 y 67.6962 89.8025 -142.4347 84.5570 222.5519 求解後得： 各變量均值分別為： 則常數項為： 線性回歸模型為： R實戰 licha-function(i,j,mydata) { imean=sum(mydata[,i]) jmean=sum(mydata[,j]) rownum=length(mydata[,i]) mulsum=0 for(k in 1:rownum) { mulsum=mulsum+mydata[k,i]*mydata[k,j] } return(mulsum-(imean*jmean)/rownum) } ibrary(xlsx) mydataframe - read.xlsx(C:\\Users\\hai.wang\\Desktop\\臺灣一科大PPT\\臺灣一科大PPT\\huiguiexa1.xlsx, 1) source(C:\\Users\\hai