回归分析简介教材课程.pptVIP

回归分析简介;学习目标;回归分析与拟合的关系;该方法的缺点是，不知道可靠性的大小。回归分析中不但要求得上述的函数;回归模型的类型;今考虑线性函数类L(X)，则 ;Gauss-Markov假设;基本假设（ Gauss-Markov假设）;估计回归方程;从而回归方程的估计式为;最小二乘估计的性质;;性质;离差平方和分解;性质;二、模型与回归系数检验;怎样检验？;1、模型显著性检验——模型拟合优度检验;如果你选取的这p个自变量对因变量y没有显著性贡献，在回归方程;前面的分析告诉了我们，检验回归方程的显著性，即是要检验假设;离差平方和分解：SST=SSR+SSE;如果H0成立：;确定系数（决定系数）;H0不成立时SST的主要贡献是SSR，所以R2大;X~F(p,n-1-p),F∈W等价于;检验模型显著性的步骤:;;;方差分析表;Hald水泥问题的数据;模型拟合优度检验的软件输出标准（EXCEL，SAS，SPSS等等）;SSR的观察值=2667.899 SSE的观察值=47.864 SST的观察值=SSR+SSE=2715.763 MSR的观察值=SSR/dfR=666.975 MSE的观察值=SSE/dfE=5.983 F的观察值=MSR/MSE=111.479 P-value=Significance F=4.76E-070.05 R2=0.9962 结论：回归方程（模型）;欲知这P（4）个变量中是否有“滥芋”，欲知回归分析在EXCEL中怎样实施，且听下回分解。 谢谢！;2、回归系数显著性检验;回忆前面最小二乘法估计的性质：;如果变量xj对y有显著影响，则下面的假设不成立;因此，当P_valueα，认为βj=0，Xj对Y作用不大,　下一次拟合时剔除变量Xj ；;系数检验的软件输出标准;实例:Hald水泥问题;逐步剔除x3，x4后的模型输出;模型摘要;3、残差分析;Hald水泥问题的最后选定模型的残差图;三、预测与控制;2、在y0的一切线性无偏估计中， 的方差最小。;y0的置信区间;四、回归分析的实施;五、可化为线性回归的非线性回归;1、如果Y是单自变量X的p阶多项，则有Y关于变量;多项式回归的例子;化二次式为线性回归;三次多项式回归的结果如下;指数回归的例子;;逐步回归分析;逐步回归分析有几种方法：前进法(Forward)；后退法(backward) ；逐步回归法(Stepwise) .Excel中不能实施，只能在SPSS和SAS中实施。 前进法 前进法的思想是由少到多，每次增加一个，直至没有可引入的变量为止。;后退法 后退法与前进法相反，首先用全部p个变量建立一个回归方程，然后在这p个变量中选择一个最不重要的变量，将它从方程中剔除。人工筛选变量的过程中就是用的后退法。;逐步回归法 逐步回归的基本思想是有进有出.具体做法是将变量一个一个地引入,当每引一个变量后,对每引入一个自变量后，对已选入的变量要进行逐个检验.当原引入的变量由于后面变量的引入而变得不再显著时，要将其剔除. 注意：引入和剔除的显著水平不同，否则会产生死循环。具体做法是;一个例子 分析影响旅游收入的因子;线性回归模型拟合总结;回归分析的内容： 1.参数估计 2.模型显著性检验： ▲如果Fmodel的P值(PrF) α则拒绝H0，模型Σ（βiXi）对Y具有显著贡献。 ▲ R2越大则模型拟合得越好 3.参数显著性检验：如果βi的P值(Pr|t|) α，则Xi对Y具有显著贡献。 下次拟合模型时，剔除P值最大的变量。 4.残差分析：如果模型是合理的，则残差（Residual）图是随机的，无规律的。正态概率图近似一条直线. 5. 预测与控制;回归分析步骤;The End