多元回及其他相关方法.pptVIP

多元迴歸及其他相關方法 A.1A.2 補充 兩個獨變項的線性方程（Linear equation） 一個反應變項，兩個預測變項 Y：反應變項或依變項（Dependent Variable） b0, b1, b2：常數（constant） x1, x2：獨變項（Independent Variable） Figure A.1 E.g., A.1 Y=25+20x1+10x2 （以平面表示） X1：工作時數 X2：圖表數量 b1=20：代表當x2（圖表數量）固定時，x1（工作時數）增加一個單位，y（價格）增加多少。 b2=10：代表當x1（工作時數） 固定時， x2（圖表數量）增加一個單位，y（價格）增加多少。 線性方程式 中，b0稱為y-截距（y-intercept），b1及b2稱為部分斜率（partial slope）。 更多獨變項的線性方程式： 簡單線性迴歸與多元迴歸（Simple Linear Regression vs. Multiple Regression） 反應變項（Response Variable） 預測變項（Predictor Variable） 母群多元線性迴歸方程（population multiple linear regression equation） 兩個預測變項 多個預測變項 β0為迴歸平面的Y截距β1，β2分別為X1與X2之部分斜率 估計迴歸參數（regression parameters） e.g., A.4（price predicted by age and mileage） Figure A.2 Figure A.3 以最小平方法估計迴歸參數(迴歸平面) 樣本迴歸方程式（sample regression equation）迴歸係數是由Minimize而得出。 由車齡及里程數預測價格 back A.43 Advertising and Sales. A household-appliance manufacturer wants to analyze the relationship between total sales and the company’s three primary means of advertising. The first three columns of the table below provide the expenditures on advertising, by type, for each of 10 randomly selected sales periods. The fourth column contains the total sales. All data are in millions of dollars. We performed a multiple regression analysis on the data using the variables television, magazine, and radio advertising expenditures as predictor variables for sales. The computer output is shown in Printouts A.4 and A.5 on page A-23. Printout A.4 迴歸模型的有效性 簡單線性迴歸 多元決定係數（coefficient of multiple determination, or multiple R2） 反應變項變異中可以由多元迴歸所能解釋的比例（0~1），e.g., A.8?output R2 vs. r2 R2的特性與r2相近 R2隨預測變項的數量增加而增加 多元線性迴歸方程式有效性的統計推論 虛無及對立假設Ha：至少有一個βi不等於0 F-檢定 MSR：迴歸均方和（mean square for regression, regression mean square）MSR=SSR/k (k : 預測變項數量，為迴歸自由度） MSE：誤差均方和（mean square for error, error mean square）SSE/(n-1-k)) （ (n-1-k) 為誤差自由度；總自由度為(n-1) ） Table A.2 變異分析表 (Analysis of Variance Table) 另一個多元迴歸的例子（出自Statistical Methods for Psychol