第五讲：多元线性回归.pptVIP

第五讲 多元线性回归 多元线性回归模型 多元线性回归是一元线性回归的逻辑推广。当影响变量Y的主要因素有k个时，可以建立起的总体回归模型为 Y=?0+?1X1+?2X2+…+?kX+? 同样可以通过最小二乘法求出回归系数的估计值。b1,b2,…bk 系数的解释（以二元的情况为例） 1、常数a依然是Y的截距，即当X1和X2同时为零时Y的估计值。 2、b是多元回归分析中的净回归系数。b1测定的是当X2保持固定时，X1每变化一个单位时Y所发生的变化；b2测定的是当X1保持固定时，X2每变化一个单位时Y所发生的变化 模型的检验 1、回归系数的显著性检验 查t分布表，自由度为n-k-1,在有多个自变量时，某个回归系数通不过，可能是这个系数对应的自变量对因变量的影响不显著，也可能是多重共线性所致。 2、回归方程的显著性检验 H0 ：?1=?2=…=?k=0 H1 : ?j不同时为零 模型的检验 3、拟合程度的测定 多重决定系数R2受自变量个数的影响，自变量越多, R2越接近1。调整的决定系数定义为： 回归模型的检验 4、Durbin-Watson 检验 检验残差项是否相互独立。若不独立，则不满足回归模型的假设条件。 横截面的资料通常能满足残差独立的条件，但经济资料往往是周期性的，观测值有成串或成批出现的趋势，这种残差之间具有相关的趋势称为自相关。 D-W检验量：检验有无正自相关出现。 回归模型的检验 D-W检验规则： 查D-W表得到下限值dL 和上限值du ， 1）ddL ,拒绝无正自相关的零假设，断定具有正的自相关。 2）ddU ,接受无正自相关的零假设，断定无正的自相关。 3）dL?d?du ,，检验不能作出结论。 残差不独立的处理办法 采用应变量和自变量的变化额而不采用原来的数据，可能是一种使用最广的方法。还可以将变量加以变换（例如，采用对数形式）；加进另一个变量等。这些内容在计量经济学书中有论述。 模型的检验 5、估计标准误差 多重共线性问题 表现： 1、整个回归方程的检验是显著的，但每个回归系数的检验均不显著； 2、偏回归系数的估计值大小明显与常识或实际不符，甚至于连符号都是相反的； 3、从经验上及专业背景方面分析可以肯定对因变量有影响的因素，其系数检验不显著； 4、去掉少数几个变量或样本，方程的回归系数值发生剧烈变动，非常不稳定 结果：净回归系数是不可靠的 多重共线性问题 判定： 1、求自变量之间的相关系数； 2、求容忍度：所谓容忍度即以每个自变量作为因变量时对其它自变量进行回归分析时得到的残差比例。该指标越小，说明该自变量被其余自变量预测的越精确，共线性可能性越大； 3、方差膨胀因子（VIF）：即容忍度的倒数，值越大共线性越强； 对策： 1、增大样本量，可部分解决共线性问题； 2、从专业及实际的经验加以判断，人为去除一些意义不大的变量，或缺失值较多的变量； 虚拟变量技术 如果我们想在模型中加入一些品质变量，可以采用虚拟变量。 分析家庭食物支出额的影响因素中，考虑城市与非城市的差别。X2=1（城市），X2=0（非城市） 变量的季节性差异。如旺季和非旺季，一年四季等。 虚拟变量技术 在使用虚拟变量X2时，我们假定在城市与非城市的回归线具有相同的斜率。如果两条回归线的斜率明显不同，那么就不应该使用虚拟变量，而就分别就城市与非城市计算它们的方程。 可化为线性的回归 对于非线性的相关关系，可以配合非线性模型。非线性模型作适当变换，可以转化为线性回归模型的形式。 例如幂函数曲线 Y=aXb 令Y’=lnY，X’=lnX，a’=lna，则得到 Ｙ’=a’+bX’ 　这就转换成线性模型了。 The end Thank you very much * 商务统计与SPSS应用　 主讲：黄英姿博士, Email: mnshyzi@mail.sysu.edu.cn * 商务统计与SPSS应用　 主讲：黄英姿博士, Email: mnshyzi@mail.sysu.edu.cn