[经济学]ch11第十一章 回归分析.pptVIP

第十一章 回归分析（一） 回归分析概述 一元线性回归 多元线性回归 线性回归高级分析 曲线估计(非线性回归) 广义非线性回归 11.1 回归分析概述 11.2 一元线性回归 11.2 一元线性回归 11.2 一元线性回归 11.2 一元线性回归 11.2 一元线性回归 11.2 一元线性回归 11.3 多元线性回归 11.3 多元线性回归 11.3 多元线性回归 11.3 多元线性回归 11.3 多元线性回归 11.3 多元线性回归 11.4 线性回归高级分析 11.4.1 DW检验（残差有无自相关） 11.4.2 判断异常值 11.4.2 判断异常值 11.4.2 判断异常值 11.4.2 判断异常值 11.4.3 部分相关系数和偏相关系数 11.4.4 异方差分析 11.4.4 异方差分析 11.4.4 异方差分析 11.4.5 多重共线性 11.4.5 多重共线性 11.4.5 多重共线性 11.4.6 回归方法比较 11.4.6 回归方法比较 11.5 曲线估计(非线性回归) 11.5 曲线估计(非线性回归) 11.5 曲线估计 11.5 曲线估计 11.5 曲线估计 11.5 曲线估计 11.5 曲线估计 11.5 非线性回归 11.5 非线性回归 11.5 非线性回归 11.5 非线性回归 11.5 非线性回归 11.5 非线性回归 11.5.1 各种曲线的趋势 图(1)所示的图形适用于幂函数(x1)和对数函数形式；图(2)和图(4)所示的图形则可以用幂函数、对数函数或指数函数进行表示；此外，可以看出这四个图形合起来为一个圆形，因此，他们都可以用二次函数进行拟合。 如果散点图所示图形不是单凸起形状，则需用其他函数形式。例如，对于双凸起(S形)图形，用三次多项式拟合就更为合适。 已知某公司近期广告费投入与销售额的关系如表，试建立合适的回归模型。 首先作散点图，判断趋势 然后选 Analyze?Regression?Curve Estimation 以销售额为样本量，广告费为自变量， 拟合模型选 线性、对数、幂函数、二次和指数。 回归结果：LIN线性、LOG对数、QUA二次、POW幂函数、EXP指数。 根据R2看，幂函数最好，但是各函数差别都不大，主要是此处样本量比较小，各种趋势都不是很明显。 但各种模型差不多时，选简单的模型，或者根据经验或惯例选择。 各种曲线的模型为： 1.Linear线性 2.Quadratic二次 3.Compound复合模型 Y=b0*(b1**t) 4.Growth成长模型 Y=e**(b0+b1*t) 5.Logarithmic对数 Y=b0+b1*ln(t) 6.Cubic三次 7.S模型 Y=exp(b0+b1/t) 8.Exponential指数 Y=b0*e**(b1*t) 9.Inverse倒数双曲线 Y=b0+(b1/t) 10.Power幂函数 Y=b0*(t**b1) 11.Logistic逻辑斯蒂 Y=1/(1/u+b0*(b1**t)) 初步筛选了几种候选模型后，可以再做曲线估计，然后在对话框中选择显示方程分析Display ANOVA，对候选模型作进一步的比较。 练习：根据汽车数据Casr.sav，分析每加仑汽油英里数mpg和汽车重量的关系。 前面的曲线估计可以视为非线性回归的一种特例，必须是一元模型，且模型是标准化的，可以进行线性化。 但这种线性化会使模型失去残差平方和最小的性质。模型的变换分为变量变换和模型形式变换两种，变量变换可以使用直接换元法，模型形式不变，残差平方和最小的性质也不变；模型形式变换（如两边取对数等）后回归，得到的估计参数只能使变换后的模型残差平方和最小，不能使原模型残差平方和最小。 对于曲线估计的模型，可以使用非线性回归进行优化。 此外，对于一些复杂的模型，不能线性化的，自变量为多个的只能用非线性回归进行参数估计。 非线性回归的模型可以由用户任意指定，然后给各回归系数指定一个初值，SPSS自动会进行迭代运算，得到最优回归系数（事实上只要得到一个误差足够小的回归系数即可，用不着一定最优）。 例：对于前面的广告费与销售额模型，使用非线性回归方法进行优化。 前面的结果表明幂函数最为理想，现在继续进行优化。以曲线估计的结果作为初始参数，输入模型表达式： 经过多次迭代后，残差平方和由初始模型的226降低到211，模型优化后的回归系数为： b0=0.203 b1=1.611 y=0.203 * x**1.611 回归系数和残差平方和的迭代变化 Iteration