[医学]第7章 逐步回归2010.pdfVIP

气象统计预报 气象统计预报 李丽平 南京信息工程大学 2010年11月 第七章 逐步回归方法 第七章 逐步回归方法 引言 引言 在气象预报中，对预报量的预报常常需要从 可能影响预报y的诸多因素中挑选一批关系较好 的作为预报因子，应用多元线性回归的方法建立 回归方程来做预报，但如何才能保证在已选定的 一批因子中得到最优的回归方程呢？逐步回归分 析方法就是针对这一问题提出的一种常用方法。 下面从提出这一方法的基本思路、这一方法的计 算过程出发来作介绍。 第一节 回归系数（预报因子）的显著性检验 第一节 回归系数（预报因子）的显著性检验 在多元线性回归方程的建立中，尽管 最后都作了方程的统计检验，但并不意味 着在p个因子中，每个因子对预报量y的影 响都是重要的。需要对每个因子进行考 察，若某个因子对预报量y的作用不显著， 那么在多元线性回归方程中它前面的系数 就可能近似为0，因此，检验某一因子是否 显著等价于检验假设： : H 0 0βk 要对 β k 作假设检验，自然就要寻 找它的样本统计量 b k 和与它有关的统 计量的分布。 因为最小二乘估计的b k 是随机变 y 量 i i n 1~ 的线性函数，由于这些 随机变量是遵从正态分布，则b k 也遵 从正态分布。 在假设条件成立下，统计量 b 2 k c F kk Q n − p − 1 c 遵从自由度为（1，n-p -1 ）的F分布,其中， kk C X( X ) ′ −1 k个元素。 为矩阵 中对角线上第 F F ≥ 确定信度以后，查表求出标准值，若 i α ， 说明该因子方差贡献显著，保留该因子，否则可 以考虑从回归方程中剔除出去。 预报因子数目增多的优缺点： 优点： 一般而言，回归方程中包含的 因子个数越多，回归平方和就越大，残 差平方和越小，残差方差的估计就越 小，预报值的置信区间就越小，方程一 般也较容易通过检验。 缺点： 但因子数增多，也给方程增加 了不少与预报量关系不大的因子，给预 报带来下面三个明显缺点： 1）因子增多，计算量增大，计算时间增 多(计算量增大)。 2）方程中若含有对y不起作用或者作用 极小的因子，残差平方和不会由于这些变量 的增加而减少多少