多元线性回归分.pptVIP

第十四章 多元线性回归分析  Multivariate linear regression ; ;Multivariate linear regression;多元回归分析数据格式;假定因变量Y与自变量 间存在如下关系：;x1;应用条件：;二、多元线性回归分析的步骤;（一）模型的参数估计;27名糖尿病患者的血清总胆固醇（x1）、甘油三酯（x2）、空腹胰岛素（x3）、糖化血红蛋白（x4）、空腹血糖（y）的测量值列于表中，试建立血糖与其它几项指标关系的多元线性回归方程。 ;各变量的离差矩阵;;1、对模型的假设检验—F检验 2、对偏回归系数的假设检验—F检验和t 检验 3、标准偏化回归系数;1、对模型的假设检验—F检验;SS回归=b1l1y+ b2l2y + b3l3y + b4l4y =0.1424×67.6962+0.3515×89.8025+0.2706×142.4347+0.6382×84.5570 =133.7107； ν回归=m=4 ;SS总=lyy=222.5519；ν总=n-1=26 SS剩余= SS总- SS回归=222.5519-133.7107=88.8412 ν剩余=n-m-1=22 MS回归= SS回归/ν回归； MS剩余= SS剩余/ν剩余； F= MS回归/ MS剩余;1、对模型的假设检验—F检验;2、对偏回归系数的假设检验—F检验和t 检验;① 偏回归系数的假设检验--方差分析法;① 偏回归系数的假设检验--方差分析法; Parameter Standard Standardized Variable DF Estimate Error t Value Pr |t| Estimate 变量 自由度 偏回归系数 标准误 t值 P值 标准化回归系数 Intercept 22 5.94327 2.82859 2.10 0.0473 0 X1 22 0.14245 0.36565 0.39 0.7006 0.07758 X2 22 0.35147 0.20420 1.72 0.0993 0.30931 X3 22 -0.27059 0.12139 -2.23 0.0363 -0.33948 X4 22 0.63820 0.24326 2.62 0.0155 0.39774;指定REG过程进行多元线性回归分析，拟合y与四个自变量间的多元线性回归方程;整个方程有统计学意义;注意; ;偏回归系数;（三）计算相应指标，对模型的拟合效果进行评价;1.复相关系数;2.决定系数;;3、剩余标准差;4、校正决定系数;三、逐步回归分析;（一）最优子集回归法;最优子集法的局限性;（二）逐步选择法;（1）前进法;（2）后退法;（3）逐步回归法;;用逐步回归法筛选自变量;标准化偏回归系数;第三节 多元线性回归的应用及其注意事项 ;二、 多元线性回归应用时的注意事项 ;;; 多元共线性是指在进行多元回归分析时，自变量间存在较强的线性相关关系。共线关系的存在，可使得估计系数方差加大，系数估计不稳，结果分析困难。因此在多元回归分析时，特别是当回归结果难以用专业知识解释时，要进行共线性诊断，找出存在共线性且不重要的那些自变量，剔出方程，另行回归分析。 对于存在共线性的资料，可以利用共线性诊断有选择的保留自变量以消除共线性；或者采用岭回归、主成分回归等回归分析方法以避免共线性指标对结果的影响。 ; 多元共线性的表现在实际应用中主要表现为： （1）模型拟合效果很好，但偏回归系数几乎都无统计学意义； （2）偏回归系数估计值的方差很大； （3）偏回归系数估计值不稳定，随着样本含量的增减