复回归之一.PPT

6.1複迴歸模型 需要多個預測變數 雙預測變數的第一階模型 當有兩個預測變數X1與 X2時，迴歸模型為： (6.1) 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) 迴歸係數的意義 用前面的案例說明，當X2固定在水準X2 = 2時，迴歸函數(6.3)成為： (6.4) 超過兩個預測變數的第一階模型 現在考慮一個配適有p – 1 個預測變數 的迴歸模型： (6.5) 上面的迴歸模型稱為「具p – 1個預測變數的第一階模型」，此模型也可以寫成： (6.5a) 或令，則可以寫成： (6.5b) 假設，則迴歸模型(6.5)的反應函數為： (6.6) 一般線性迴歸模型 在迴歸模型中變數 ，所代表的意義不一定是完全不同或沒有關係的預測變數（例如Xk可以是X1 · X2），因此我們定義下面的一般線性迴歸模型： (6.7) 其中， 為參數， 為已知之常數， 獨立服從 i = 1,…, n 如果令 ，則迴歸模型(6.7)可以寫成： (6.7a) 或 (6.7b) 因為 ，所以迴歸模型(6.7)的反應函數為 (6.8) 所以具有常態誤差項的一般線性迴歸模型隱含著觀 測值Yi為相互獨立、服從平均數 、變異數 之常態分配。 個預測變數 質性的預測變數 考慮利用病患年齡(X1)與性別(X2)預測在醫院中的住院天數(Y)，定義X2如下： 則第一階迴歸模型為： (6.9) 其中 迴歸模型(6.9)的反應函數為： (6.10) 對男性病患而言，X2 = 0，所以反應函數(6.10)成為： (6.10a) 對女性病患而言，X2 = 1，所以反應函數(6.10)成為： (6.10b) 一般而言，當質性變數有c種分類情形時，模型中需要c – 1個指標變數來描述，在住院天數的案例中，殘障程度是一個質性變數，它可以用下面的兩個指標變數來描述： 於是透過病患年齡、性別、殘障程度所構成的第一階迴歸模型為： (6.11) 其中， 多項式迴歸 反應函數為曲線型式，下面是單一預測變數多項式迴歸模型的一種情形： (6.12) 經轉換後之變數 變數經過轉換後的模型可能含有複雜的曲線型式反應函數，不過它仍是一般線性迴歸模型的特例，考慮下面這個變數Y經轉換後的模型： (6.13) 此模型的反應曲面雖然複雜，不過還是可以依照一般線性迴歸模型來處理。令 ，則迴歸模型(6.13)成為： 很多模型可以轉換成一般線性迴歸模型，例如： (6.14) 進行 的變數轉換，它就是一個一般線性迴歸 模型： 交互作用 一般線性迴歸模型(6.7)也包含了不可加性或具有交互作用效應的，例如下面的雙預測變數模型： (6.15) 此時由於交互作用項存在模型中，造成反應函數複雜化，但是迴歸模型(6.15)仍然是一個一般線性迴歸模型，當我們令，則迴歸模型(6.15)可以寫成： 組合情形 考慮下面的迴歸模型： (6.16) 該模型中同時有預測變數的線性項、二次項與代表交互作用效應的交叉乘積項，我們定義： 則迴歸模型(6.16)可以寫成： 一般線性迴歸模型中的線性意義 所謂對參數線性是指模型可以寫成： (6.17) 其中 是由預測變數的水準所決定出的值 6.2 矩陣形式下的一般線性迴歸模型 在將一般線性迴歸模型(6.7)用矩陣的形式來表示前，先定義下列矩陣： 其中 (6.18) 所以接下來可以用矩陣的形式來表示一般線性迴歸模型(6.7)如下： (6.19) 其中 Y為反應向量， 為參數向量， X為常數矩陣， 為獨立常態隨機變數之向量 ，共變異矩陣為： 因此隨機向