第6章 多元回归分析PPT.ppt

Excel多元回归分析 Excel多元线性回归分析结果 多元回归变量 回归方程显著性检验 回归方程显著性检验 y与x1、x2之间具有极显著性线性关系，x2的影响大于x1。 多元线性回归分析-DPS DPS多元线性回归分析结果 相关分析 多元线性回归分析-Minitab 设置回归模型 Minitab多元线性回归分析结果 回归系数显著性检验 多元线性回归方程 回归方程显著性检验 某种水泥在凝固时放出的热量y（卡/g）与水泥中4种化学成分的含量有关：x1：3CaO?Al2O3的成分（％）x2：3 CaO?SiO2的成分（％）x3：4CaO?Al2O3。FeO3的成分（％）x4：2CaO?SiO2的成分（％）试作y对x1，x2，x3，x4的线性回归分析。试验数据见下表。 序号 x1 x2 x3 x4 y 1 7 26 6 60 78.5 2 1 29 15 52 74.5 3 11 56 8 20 104.3 4 11 31 8 47 87.6 5 7 52 6 33 95.9 6 11 55 9 22 109.2 7 3 71 17 6 102.7 8 1 31 22 44 72.5 9 2 54 18 22 93.1 10 21 47 4 26 115.9 11 1 40 23 34 83.8 12 11 66 9 12 113.3 13 10 68 8 12 109.4 相关分析 多元线性回归分析 多元回归分析结果（第1次回归） 回归系数显著性检验表明x2、x3、x4均对y的影响不显著（P分别等于0.514042、0.911407、0.832929，均大于0.05），应逐个剔除不显著自变量，重新建立回归模型。 多元回归分析结果（剔除x3，第2次回归） 首先剔除x3（因x3的显著性检验概率值最大，为0.911407），再回归，再检验，直到模型中的所有回归系数检验达到显著为止。 多元回归分析结果（剔除x4，第3次回归） 经过3次回归，逐步剔除x3、x4，最终y与自变量x1、x2间有极显著线性关系（p＝4.65E-090.01），x1、x2对y的影响达到极显著水平，x3、x4对y的影响不显著，线性回归方程为：y＝52.6642+1.4659x1+0.6611x2。 第7章 多元线性回归与相关 　 在实际中，与因变量 y 有关系的变量不止有一个，而是多个，它们之间的关系也不一定是线性的。 作物产量的高低，与播期 、密度、施肥量 、土壤肥力 、以及雨量 、光照 、气温 、病虫害等多种因素有关。 膨化产品的质量与原料、膨化设备、工艺参数（加工温度、水分含量、螺杆转速、喂料速度以及螺杆结构等）等有关。 　　　多元回归: 研究变量y 与多个变量之间的定量关系（Multivariate regression） . 许多多元非线性回归都可以化为多元线性回归来处理。 1. 多元线性回归的数学模型 设变量 y 与另外 m 个变量 x1, x2, …, xm 的内在关系是线性的，如果做了 n 次试验，其结果如下表： 试验号 上表中的数据可以假定具有如下数学模型： 即 试验号 或者 式中 是待估参数， 是n个独立且服从统一正态分布 的随机变量。 ① ② ①、② 称为多元线性回归的数学模型。 相应的多元线性回归方程为： 多元线性回归 的数学模型: 则模型可以写成矩阵形式: n× 1 n× (m+1) (m+1)× 1 n× 1 2. 多元线性回归方程的建立 确定直线方程的原则： 确定 b0 及 bj 值： 要使 则有： 欲使建立的回归方程最好，须使 和 之间的差异最小。 = 最小 = 最小， 即 称为正规方程组 对正规方程组求解，获得b0, ，bj. 如果令A为正规方程组的系数矩阵，即 ： (m+1) × (m+1)方阵 (m+1) × n n ×(m+1) 为X的转置阵 (p+1) × N N× 1 令B为正规方程组右端的常数项矩阵，即： 令 则正规方程组 对上式求解，得： 可以写成矩阵形式： 例： 处理　 　 x1　 　 x2 　　 y 1 16 29 139 2 16 32 150 3 14