多重回归及自变量及筛选方法.ppt

第三章 逐步回归与自变量筛选方法 一、问题的提出 1. 多元线性回归需对系数作检验，无意义的变量需剔除，由于变量间相关性，其他变量的显著性发生改变 2.从应用和分析目的角度，精选自变量——模型拟合要优、变量节俭 问题：如何选择自变量进入模型？ 1. 分析目的；2.建立模型的统计准则是什么？3.结合专业和实际问题考虑 二、自变量筛选的标准与原则 1.残差平方和、残差均方准则 当残差平方和（SSE）最小时，决定系数（R2）达到最大。 n为样本含量， R2 为包含m个自变量的回归方程的决定系数。 R2是随着变量数的增加而增大，而 不受变量数的影响， 4.预测平方和准则（press统计量，预测精度） Press=∑di2 di2=Yi-X‘I X‘i 表示剔除了所要预测的第i观测值以后所剩余观测值所做估计。 5.逐步回归（统计显著性准则） 统计显著性准则：把有统计学意义的变量选入模型，得到的回归模型不一定是最佳预测模型。 三. 逐步回归分析（stepwise regression） 1. 概述 简单地对回归系数作检验，比较复杂； 用前述的几个指标是在所有子集回归中选最优回归模型，而逐步回归是每一步引入或剔除一个变量（其标准是F检验），直到引不进又剔不出为止，建立一个包含所有对因变量有影响的自变量。不是最优回归 二、逐步回归法 方法：向前法（forward ）、向后法（backward）、逐步法（stepwise ） 每一步只引入或剔除一个自变量准则，是基于对偏回归平方和的F检验 （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，计算各自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变量，作F检验及相应的P值，决定它是否剔除（P大） 。重复上述过程。 3.计算方法与步骤 首先确定引入与剔除变量的F统计量标准，检验水准a定为0.05~ 0.30，值越小表示选取自变量的标准越严。 注意：引入变量的检验水准要小于或等于剔除变量的检验水准。 四.注意事项 1.选择恰当的a和F值（选择不同的a 多做几次，看哪个更合要求）。 2.当自变量之间有高度相关时，很难建立模型。 3.可以考察变量之间的交互作用。 4.有从专业上认为必须引入 五. 回归系数反常分析 ㈠ 回归系数的反常现象 1. 回归系数的正负符号与客观实际不一致。 2. 专业认为有统计学意义，但结果无统计学意义。回归系数正常，但标准误很大，无统计学意义。 3. 稍微改变a，引入的变量差别较大，回归方程不稳定。 4. 重要变量进不了模型。 ㈡ 主要原因 1. 自变量的多重共线性 2. 设计时某些重要的变量没有考虑进来。 3. 样本量太小 4. 变量的测量误差大有异常值。 5. 变量取值范围太窄。 六.SAS程序 作业：课本P322例20-3 要求： 1.用R2和R2adj建模型 2.用Cp统计量建模型 3.用逐步回归建模型 4.对以上模型用press做出评价 * * 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。 X1 X2 X3 4.00 3 X2 X3 4.81 2 X1 X3 4.70 2 X1 X2 2.69 2 X3 8.99 1 X2 5.83 1 X1 3.71