统计学第三章多元回归分析概要.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 不良贷款的置信面和预测面 二元回归面 置信面 预测面 回归面 * * * * 也称哑变量。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 * * 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 * * 考试成绩 性别 X 75 男 0 96 女 1 68 男 0 51 男 0 78 女 1 81 女 1 72 男 0 69 男 0 88 女 1 93 男 0 62 男 0 76 女 1 45 男 0 75 女 1 65 女 1 95 女 1 * * 【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 * * 考试成绩 性别 X 75 男 0 96 女 1 68 男 0 51 男 0 78 女 1 81 女 1 72 男 0 69 男 0 88 女 1 93 男 0 62 男 0 76 女 1 45 男 0 75 女 1 65 女 1 95 女 1 * * 【例】建立考试分数与性别之间的线性回归方程，并解释回归系数的含义 引进虚拟变量时，回归方程表示为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值与虚拟变量值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 * * 考试成绩与性别的回归 * * 男学生考试分数的平均值 女学生与男学生平均考试分数的差值 * * 男 女 * * 【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，所得数据如右表 用Excel进行回归 引进虚拟变量时，回归方程写为 E(y) =?0+ ?1x1+ ?2x2 女( x2=0)：E(y|女性) =?0 +?1x1 男(x2=1)：E(y|男性) =(?0 + ?2 ) +?1x1 ?0的含义表示：女性职工的期望月工资收入 (?0+ ?2)的含义表示：男性职工的期望月工资收入 ?1含义表示：工作年限每增加1年，男性或女性工资的平均增加值 ?2含义表示：男性职工的期望月工资收入与女性职工的期望月工资收入之间的差值 (?0+ ?2) - ?0= ?2 * * 多元线性回归模型、回归方程与估计的回归方程 回归方程的拟合优度与显著性检验 多重共线性问题及其处理 利用回归方程进行预测 虚拟自变量的回归 用Excel和SPSS进行回归分析 * * * * * * * * * * * * * * * * * * * * 回归平方和占总平方和的比例 计算公式为 因变量取值的变差中，能被估计的多元回归方程所解释的比例 * * 用样本量n和自变量的个数k去修正R2得到 计算公式为 避免增加自变量而高估 R2 意义与 R2类似 数值小于R2 * * 用Excel进行回归 * * 多重判定系数的平方根R 反映因变量y与k个自变量之间的相关程度 实际上R度量的是因变量的观测值 与由多元回归方程得到的预测值 之间的关系强度，即多重相关系数R等于因变量的观测值 与估计值 之间的简单相关系数即： (一元相关系数r也是如此， 即 。读者自己去验证) 对误差项?的标准差? 的一个估计值 衡量多元回归方程的拟合优度 计算公式为 * * 用Excel进行回归 * * 检验因变量与所有自变量之间的线性关系是否显著 也被称为总体的显著性检验 检验方法是将回归均方(MSR)同残差均方(MSE)加以比较，运用 F 检验来分析二者之间的差别是否显著 如果是显著的，因变量与自变量之间存在线性关系 如果不显著，因变量与自变量之间不存在线性关系 * * 1. 提出假设 H0：?1??2????k=0 线性关系不显著 H