管理统计精品教学（何丽红）第11章 多元线性回归.pptVIP

具体步骤 1. 将数据从小到大排列，并从1～n标号。 2. 计算每个值的分位数。 i是序号：分位数＝(i－0.5)/n 3. 找与每个分位数匹配的正态分布值。 4. 根据每对数据值作散点图，其中，正态分布值对应于x轴，数据值对应于y轴，将在平面图上得到n个点。 5. 画一条拟合大多数点的直线，如果数据严格意义上服从正态分布，则点将形成一条直线。将点形成的图形与画的直线相比较，判断数据拟合正态分布的好坏。  例 题 已采集到20个数据 如下： 9,11,11,13,14, 15,16,17,19,21, 23,25,26,26,28, 32,36,37,43,62 例 题 在图形的两端，点位于直线的上侧。这属于典型的右偏态数据。 例 题  频数分布图（右偏态数据） 本章小结 多元回归模型、回归方程、估计方程 回归方程的拟合优度 显著性检验 多重共线性 利用回归方程进行估计和预测 虚拟自变量的回归 非线性回归 方差分析的回归方法 12 多重共线性的识别 检测多重共线性的最简单的一种办法是计算模型中各对自变量之间的相关系数，并对各相关系数进行显著性检验 若有一个或多个相关系数显著，就表示模型中所用的自变量之间相关，存在着多重共线性 如果出现下列情况，暗示存在多重共线性 模型中各对自变量之间显著相关。 当模型的线性关系检验(F检验)显著时，几乎所有回归系数的t检验却不显著 回归系数的正负号与预期的相反。 ? Excel 输出结果的分析 多重共线性(例题分析) 【例】判别各自变量之间是否存在多重共线性 贷款余额、应收贷款、贷款项目、固定资产投资额之间的相关矩阵 多重共线性(例题分析) 【例】判别各自变量之间是否存在多重共线性 相关系数的检验统计量 多重共线性(例题分析) t???(25-2)=2.0687，所有统计量t t???(25-2)=2.0687，所以均拒绝原假设，说明这4个自变量两两之间都有显著的相关关系 由表Excel输出的结果可知，回归模型的线性关系显著(Significance-F＝1.03539E-06?=0.05)。而回归系数检验时却有3个没有通过t检验(P-Value=0.074935，0.862853，0.067030?=0.05) 。这也暗示了模型中存在多重共线性 固定资产投资额的回归系数为负号(-0.029193) ，与预期的不一致 多重共线性问题的处理 多重共线性(问题的处理) 将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关 如果要在模型中保留所有的自变量，则应 避免根据 t 统计量对单个参数进行检验 对因变量值的推断(估计或预测)的限定在自变量样本值的范围内 ? Excel 输出结果的分析 11.5 利用回归方程进行估计和预测 11.6 虚拟自变量的回归 11.6.1 含有一个虚拟自变量的回归 11.6.2 用虚拟自变量回归解决方差分析问题 含有一个虚拟自变量的回归 虚拟自变量(dummy variable) 用数字代码表示的定性自变量 虚拟自变量可有不同的水平 只有两个水平的虚拟自变量 比如，性别(男，女) 有两个以上水平的虚拟自变量 贷款企业的类型(家电，医药，其他) 虚拟变量的取值为0，1 虚拟自变量的回归 回归模型中使用虚拟自变量时，称为虚拟自变量的回归 当虚拟自变量只有两个水平时，可在回归中引入一个虚拟变量 比如，性别(男，女) 一般而言，如果定性自变量有k个水平，需要在回归中模型中引进k-1个虚拟变量 虚拟自变量的回归(例题分析) 【例】为研究考试成绩与性别之间的关系，从某大学商学院随机抽取男女学生各8名，得到他们的市场营销学课程的考试成绩如右表 虚拟自变量的回归(例题分析) 散点图 ? y与x的回归 男 女 虚拟自变量的回归 (例题分析) 引进虚拟变量时，回归方程可写：E(y) =?0+ ?1x 男( x=0)：E(y) =?0—男学生考试成绩的期望值 女(x=1 )：E(y) =?0+ ?1—女学生考试成绩的期望值 注意：当指定虚拟变量0，1时 ?0总是代表与虚拟变量值0所对应的那个分类变量水平的平均值 ?1总是代表与虚拟变量值1所对应的那个分类变量水平的平均响应与虚拟变量值0所对应的那个分类变量水平的平均值的差值，即 平均值的差值 =(?0+ ?1) - ?0= ?1 虚拟自变量的回归(例题分析) 【例】为研究工资水平与工作年限和性别之间的关系，在某行业中随机抽取10名职工，所得数据