第6章复回归之一.PDF

第 6章 6 複迴歸之一 Multiple Regression I 6.1複迴歸模型 Multiple Regression Models 需要多個預測變數 • 在第 1章迴歸分析時，單一預測變數可能無法 對反應變數提供 適當完整的描述 ，因為存在多個對於反應變數有重要或是關 鍵性的影響的變數，同時單一預測變數對反應變數所進行的 預測並不夠精確 以致於不實用。 • 在第 2章的 Toluca 公司案例中，單一預測變數所進行的預測不 夠精確的情形，增加新預測變數雖然會複雜化模型，但是經 常有助於提供反應變數足夠精確的預測 。 • 前述的案例其分析資料多是依據觀察記錄得到的，而沒有對 預測變數進行控制，這是因為預測變數不易進行控制，如果 進行可以控制預測變數的實驗，則複迴歸分析在此情形下將 是非常有用的 。複迴歸分析模型可以使用於依據觀察記錄得 到的案例資料，或是在完全隨機設計下的實驗資料 。 • 雙預測變數的第一階模型 • 當有兩個預測變數 X 1與X時，迴歸模型為：2 • (6.1) • 上面的迴歸模型稱為雙預測變數的第一階模型，第 一階模型是指模型中所有的預測變數都是線性的， Xi 1與Xi 2分別表示兩項預測變數第i次實驗下的水 準，β0 、β1 與 β2 均為模型參數，εi為隨機誤差項。 • 假設 ，則模型 (6.1)迴歸函數為： • (6.2) • 圖 6.1所示為以下反應平面的部份圖示： • (6.3) • 反應平面 (6.3)上面的每一個點的高度正是每一對 X1與X2的平面反應 Ｅ{Y} 。 圖• 6.1同時也標示出了兩個預測變數水準 (Xi1, Xi2)的 觀測值 Yi ，在圖6.1中 Yi 與反應平面的差距，代表給 定(Xi1, Xi2)時， Yi 與Y之機率分配下期望值的差， 也就是誤差項 εi ，亦即εi= Yi -E{Yi} 。複迴歸的迴歸 函數常稱為迴歸曲面(regression surface)或是反應曲面 (response surface) 。 迴歸係數的意義 • 參數 β是迴歸平面的 Y截距 ，當模型範圍涵蓋到X =0 與 0 1 X =0 ，則β ＝10 表示在 X =0 與 X =0時的平均反應Ｅ 2 0 1 2 {Y} ，否則單獨的參數在迴歸模型中並無特殊意義 。 • 參數 β 表示當X固定時，平均反應Ｅ {Y}隨著 X 每增加一 1 2 1 個單位而改變的量 ，同樣地，參數 β 表示當X固定時，平 2 1 均反應隨著X 每增加一個單位而改變的量 。 2 •用前面的案例說明，當 X固定在水準 X = 2時，迴歸函數 2 2 (6.3)成為： (6.4) 此迴歸函數是一條斜率為β ＝的直線2 ，即使在X 等於其他 1 2 值時，此一結果仍然不變，只是可能會改變反應函數的 截 距量 。 • 在迴歸函數 (6.3)中 β ＝5 表示當固定時，隨著每增加一個 2 單位，平均反應 E ＝﹛Y ﹜將增加5個單