应用统计学 第12章 多元线性回归.ppt

应用统计第1章 第12章 多元线性回归 本章教学目标： 了解回归分析在经济与管理中的广泛应用； 掌握回归分析的基本概念、基本原理及其分析应用的基本步骤； 熟练掌握使用软件求解回归方程及其运行输出结果的分析与使用； 能应用回归分析方法解决实际问题（分析各种变量间的关系，进行预测和控制） 本章主要内容： §12.1 多元线性回归的数学模型 §12.2 参数β的最小二乘估计 §12.3 多元回归模型的显著性检验 §12.4 预测与控制 本章内容重点： 回归方程和回归系数的显著性检验；多元线性回归及其预测和控制；软件的求解分析。 §12.1 多元线性回归的数学模型 在许多实际问题中，对某一变量 Y 有重要影响的解释变量不止一个，此时就需要研究一个随机变量 Y 与多个普通变量 X1, X2, ···, XP 之间的回归关系，这就是多元回归问题。 多元线性回归分析的原理与一元线性回归是类似的。 一. 多元线性回归的数学模型 二. 参数 ? 的最小二乘估计 设 三．回归方程的显著性检验 检验 H0 的统计量 可以证明，当 H0 为真时，统计量 四. 回归系数的显著性检验 记 tk 为检验 H0k 的统计量，则当 H0k为真时， 统计量 tk ～t (N-P-1)，k = 1, 2,···, P 因此，在给定水平 ? 下，若 tk t?(N-P-1) 就拒绝 H0k，说明 Xk 的作用显著。 反之，则说明 Xk 的作用不显著。 2. 存在不显著变量后的处理 逐步回归方法简介 逐步回归的基本思想是： 采用一定的评价标准，将解释变量一个一个地逐步引入回归方程。每引进一个新变量后，都对方程中的所有变量进行显著性检验，并剔除不显著的变量，被剔除的变量以后就不再进入回归方程。 采用逐步回归方法最终所得到的回归方程与前述方法的结果是一样的，但计算量要少得多。 在 SPSS 软件的线性回归功能中就提供了逐步回归的可选项。 家电商品的需求量 Y 与其价格 X1 及居民家庭平均收入 X2 有关。 下表给出了某市 10 年中某家电商品需求量与价格和家庭年平均收入水平间的数据。 用 Excel 求解案例 3，可得回归方程如下： ⑴预计下一年度该商品的价格水平为1800元， 家庭年平均收入为30000元，希望预测该商品下一年的需求量。 ⑵假定下一年度居民家庭年平均收入估计在30000-31000元之间。 若要以90%的概率使该商品的年需求量不低于12万台，则应将价格控制在什么范围内？ 1. 预测 在给定解释变量的一组取值 ( x01, x02 ,···, x0P )， 由回归方程可得回归值 预计下一年度该商品的价格水平为1800元，家庭年平均收入为30000元，求该商品年需求量的置信度为90%的预测区间。 解：由所得回归方程，可求得 假定下一年度居民家庭的年平均收入估计在30000-31000元之间，若要以90％概率使该商品在的年需求量不低于12万台，问应将价格控制在什么范围内？。 解：此问题仍是单测控制问题，即要控制 X1 的取值范围，使 根据我国自 1975 年到 1986 年 12 年间上述各项经济指标数据，建立计划经济时期影响我国钢材产量最合适的回归模型。 用 Excel 求解本案例的分析步骤 第一次回归的结果是：回归方程极高度显著，但回归系数的检验结果中除X4(电力产量)外，其他变量都不显著。 经过4轮逐个剔除t统计量最小的变量后，得到最优回归方程如下： * 设被解释变量 Y 与 P 个解释变量 X1, X2, ···, XP 之间 存在线性相关关系。 则 Y 与 X1, X2, ···, XP 之间的多元 线性回归模型为： Y= ?0 + ?1 X1 + ?2 X2 + ··· + ?P XP + ? (12.4-1) 设第 i 次试验数据为 (xi1, xi2 ,···, xip, yi )， 则多元线性 回归有如下数据结构： yi = ?0 + ?1 xi1 + ?2 xi2 + ··· + ?p xip + ?i (12.4-2) ?i ～N(0, ? 2 )，且相互独立 i = 1, 2, ···, N 在多元线性回归中，