多重回归和自变量筛选方法.pptVIP

第三章 逐步回归与自变量筛选方法;二、自变量筛选的标准与原则; 2. CP统计量 n为样本含量，p表示进入模型的自变量个数，m表示所有自变量个数， 表示从全部m个自变量的回归模型中得到的残差均方。 在模型变量个数减少的过程中第一次 值接近p+1时，模型最佳。如果 自变量中没有包含对 Y有主要作用的变量，则不宜用 方法选择自变量。 3.AIC准则 由Akaike在极大似然基础上提出的，Akaike信息量准则 AIC=n㏑（ssp）-2（p+1） ssp表示选入模型p个变量的剩余平方和。AIC越小越好。 ;模型中变量数; 4.预测平方和准则（press统计量，预测精度）;二、逐步回归法;（1）向前法(forward)，回归方程中的自变量是一个个进入的，最有统计学意义的变量最先进入，依此类推。即只进不出。 Y对每一个自变量作线性回归，计算各???变量的偏回归平方和，选取偏回归平方和最大者作F检验，有意义（P小）则引入…。 局限性：即后续变量的引入可能会使进入方程的自变量变得不重要。 （2）?向后法(backward)，先将全部自变量选入方程，然后逐步剔除无统计学意义的自变量。即只出不进。偏回归平方和最小的