Matlab_多元线性回归.pdfVIP

Matlab 多元线性回归 1、 多元线性回归 在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象 常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一 个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受 家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种 因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模 型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： Y =β +βX +β X + +β X +μ , i=1,2, ,n （1） i 0 1 1i 2 2i k ki i 其中 k 为解释变量的数目，β (j 1,2, ,k ) 称为回归系数（regression coefficient) 。上 j 式也被称为总体回归函数的随机表达式。它的非随机表达式为： Y =β +βX +β X + +β X , i=1,2, ,n （2 ） i 0 1 1i 2 2i k ki βj 也被称为偏回归系数（partial regression coefficient) 。 2、 多元线性回归计算模型 2 （3 ） Y=β +βx +β x + +β x +ε, ε ∼N (0,δ ) 0 1 1 2 2 k k 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe) 为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设 (x , x , , x , y ), , (x , x , , x , y ) 是一个样本，用最大似然估计法估计 11 12 1p 1 n 1 n 2 np n 参数： n 2 ˆ ˆ ˆ ˆ ˆ ˆ b b b 当b b b b b b 时，Q ( y =−b −b x −−b x ) 取 0 , 1 , , p , 0 0 , 1 1 , , p p ∑ i 0 1 i1 p ip i 1 达到最小。 ⎧ ∂Q n =− − − − − ⎪ 2∑(y b b x b x ) 0, ⎪ ∂b0 i 1 i 0 1 i1 p ip ⎨