第八章计量与质性预测变数之回归模型.pptVIP

8.1 多項式迴歸模型 多項式迴歸模型的使用 單一預測變數的第二階模型 多項式迴歸模型可以包含一、二或更多個預測變數，並且每一個預測變數可以有多種不同的乘冪，我們先從具有第一、二階乘冪的單一預測變數之多項式迴歸模型開始： (8.1) 其中， 由於上面的多項式迴歸模型只有一個預測變數，但 是模型中有第一與第二階乘冪項，所以稱為單一預 測變數的第二階模型 多項式迴歸模型的迴歸係數經常會出現些微不 同的形式，主要是在反應指數的型態，在此採用的 形式為： (8.2) 迴歸模型(8.2)之反應函數為： (8.3) 此一反應函數為一個拋物線，習慣上稱為二次反應 函數 說明 2.第二階多項式迴歸模型(8.2)的最小平方標準方程式為： 從(6.77)，將 代替 、 代替 ，同時 ，於是可以得到其代數式： (8.4) 單一預測變數的第三階模型 考慮下面的迴歸模型： (8.5) 其中， 稱為單一預測變數的第三階模型，迴歸模型(8.5)之反應函數為： (8.6) 單一預測變數的更高階模型 雙預測變數的第二階模型 考慮下面的迴歸模型： (8.7) 其中 稱為雙預測變數的第二階模型，迴歸模型之反應函 數為： (8.8) 它是一個圓錐切面方程式，在迴歸模型(8.7)中包含 了每一個預測變數的線性、二次式與一個雙預測變 數的交叉乘積項，該交叉乘積項代表了這兩個預測 變數的交互作用，而係數 稱為交互作用係數。 三預測變數的第二階模型 考慮下面的迴歸模型： (8.9) 其中 稱為三預測變數的第二階模型，迴歸模型之反應函數為： (8.10) 係數 、 、 稱為成對預測變數之交互作用係數。 多項式迴歸模型的實作 配適多項式模型 階層式模型配適法 以X表示的迴歸函數 當多項式迴歸模型產生後，通常我們會考慮使用 原始變數，而非置中後的變數，例如以置中變數 表示配適的單預測變數第二階模型： (8.11) 用原始變數表示為： (8.12) 其中， (8.12a) (8.12b) (8.12c) 個案實例 案例介紹 這位研究人員不能確定在各因子的研究範圍內，反應函數的性質，因此他先配適了一個第二階多項式迴歸模型(8.7)： (8.13) 而其反應函數為： (8.14) 為了顧及X1與X2所取水準之平衡性，研究人員將預 測變數X1與X2置中於各自的平均數後，再將尺度化 為方便比較的單位： (8.15) 配適模型 從迴歸係數的估計值可以得到估計的迴歸函數為： (8.16) 殘差圖 配適度檢定 複判定係數 部份F檢定 第一階模型 基於上面的種種分析，研究人員現在決定下面的第一階模型： (8.17) 模型配適後所得到的估計反應函數為： (8.18) 以X表示所配適的第一階模型 配適的第一階迴歸函數(8.18)可以利用(8.15)轉回原始預測變數，結果為： (8.19) 迴歸係數的估計 多項式迴歸模型的進一步評論 有時配適二次反應函數的本意就是為了當沒有重複觀測值可用時，可以直接進行線性反應函數的檢驗，以便確定線性反應函數的合理性，不過配適二次模型： (8.20) 並檢定，其結果仍然不能確定線性反應函數適當 8.2 交互作用迴歸模型 交互作用效應 一個含有(p - 1)個預測變數的迴歸模型，若其反應變數可以表示成： (8.21) 線性效應之迴歸模型交互作用之解釋 迴歸係數的解釋 計量的雙預測變數X1與X2對於反應變數Y之影響為線性時，且X1與X2對於Y具有交互作用效應，其模型如下： (8.22) 我們可以推導出當X2固定時，X1每增加一單位，平 均反應的改變量為： (8.23) 類似的情形，當X1固定時，X2每增加一單位，平均反 應的改變量為： (8.24) 一個預測變數的效應如何與另一個預測變數有關係。 在此案例中，市場銷售量（Y，萬元）對於銷售點的促 銷支出（X1，千元）與電視廣告支出（X2，千元）的 反應函數(6.3)是具有相加性的： (