多重回归与自变量的筛选方法_图文.pptVIP

第三章 逐步回归与自变量筛选方法 一、问题的提出 1. 多元线性回归需对系数作检验，无意义的变量需剔除，由于变量间相关性，其他变量的显著性发生改变 2.从应用和分析目的角度，精选自变量——模型拟合要优、变量节俭 问题：如何选择自变量进入模型？ 1. 分析目的；2.建立模型的统计准则是什么？3.结合专业和实际问题考虑 二、自变量筛选的标准与原则 1.残差平方和、残差均方准则 当残差平方和（SSE）最小时，决定系数（R2）达到最大。 n为样本含量， R2 为包含m个自变量的回归方程的决定系数。 R2是随着变量数的增加而增大，而 不受变量数的影响， 4.预测平方和准则（press统计量，预测精度） Press=∑di2 di2=Yi-X‘I X‘i 表示剔除了所要预测的第i观测值以后所剩余观测值所做估计。 5.逐步回归（统计显著性准则） 统计显著性准则：把有统计学意义的变量选入模型，得到的回归模型不一定是最佳预测模型。 三. 逐步回归分析（stepwise regression） 1. 概述 简单地对回归系数作检验，比较复杂； 用前述的几个