多元线性回归方程建立hgypy5.ppt

多元曲线回归 多元线性回归还可以扩展到更为普遍的情况。假定有： （5-54） 式中， 是x的已知函数，不含有未知参数c，则显然对待定参数c 而言，该式仍为线性函数。 如下面函数式的格式就是此类函数的一例： 一般，常用的统计数学模型为G-1阶多项式： 任何函数至少在一个比较小的范围内可以用多项式任意逼近。因此，在比较复杂的实际问题中，往往不管 y 与各因素的关系如何，而采用多项式进行回归。可见，多项式回归在回归问题中占有特殊的地位。 将数据成列输入到Excel电子表格中 根据x列的数据分别计算x2、lnx、1/x、(lnx)2。按顺序排列于x列的右则。 点击下拉菜单的“工具”项，点击“数据分析”。 在数据分析对话框中，选取“回归”项，点击确定，出现回归对话框。 按对话框中的提示进行操作，可得出多项式回归曲线中各项中的系数。然后按 x, x2、lnx、1/x、(lnx)2的对应关系代入方程中即得出回归曲线的多项式方程。 Excel方法步骤如下 * 偏回归系数bj?标准化回归系数Pj 标准化回归系数Pj越大，因素越重要。 2、偏回归系数的显著性检验 计算每个偏回归系数的偏回归平方和SSj 应用举例 例 7-3 某种水泥在凝固时放出的热量 Y（卡/克）与水泥中下列 4 种化学成分有关： x1t：3CaO·Al2O3 的成份（%）； x2t：3CaO·SiO2 的成份（%）； x3t：4CaO·Al2O3·Fe2O3 的成份（%）； x4t：2CaO·SiO2 的成份（%）。 作 Y 对 x1，x2，x3，x4的线性回归分析 编号 x1t x2t x3t x4t x5t = yt 1 7 26 6 60 78.5 2 1 29 15 52 74.3 3 11 59 8 20 104.3 4 11 31 8 47 87.5 5 7 52 6 33 95.9 6 11 55 9 22 109.2 7 3 21 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 表7-5 试验观测数据 （a）原始数据：是水泥在凝固时放出的热量 Y 与 4种成份关系的数据； （b）每个变量的总和及平均数（以下为方便起见有时记 y为 x5t）。 （c）各变量的交叉乘积和 （见表 7-6）。 x1t x2t x3t x4t x5t = yt x1t 1139 4922 769 2620 10032.0 x2t 33050 7201 15739 62027.8 x3t 2293 4628 13981.5 x4t 15062 34733.5 x5t = yt 121088. 9 表7-6 变量的交叉乘积及求和值 （d）正规方程的系数及常数项 li j及 y 的总平方和 ly y= l55（Y的总平方和） li j 1 2 3 4 5 1 415.23 251.08 -372.62 -290.00 775.96 2 2905.69 -166.54 -3041.00 2292.95 3 492.31 38.00 -618.23 4 3362.00 -2481.70 5 2715.76 表7-7 正规方程的系数及常数项 （e）解正规方程并求其系数矩阵 L=（lij）k×k，的逆矩阵 C=（Ci j），正规方程（矩阵方程表达式为） 解之： b1= 1. 5511，b2= 0. 5101，b3= 0. 1019，b4= - 0.1441 ∴回归方程为： = 62. 4052 + 1. 5511x1 + 0. 5101 x2 + 0. 1019 x3 - 0. 1441 x4 按线性代数的矩阵求逆法，系数正规方程矩阵 L= （ l ） 的逆矩阵为： （f）方差分析 变 差来 源 平 方 和 自 由 度 均 方 F 回归 2667.90 4 4 111** 剩余 47.86 8 8 总计 2715.76 12 表7-8 方差分析表 （g）偏回归平方和及其显著性检验 经检验，除了 P1 在α= 0. 10的水平上显著外，其余的三个因素都不显著，这个结论似乎与总回归的高度显著性有矛盾，实则不然，这是由于自变量之间有密切的相关而造成的。 （h）从回归方程中剔除一个自变量 由于偏回归平方和中有不显著的因素，剔除其中最小者 x3，此时 Y 对 x1，x2，x4的回归系数如下： 故新的回归方程为： = 71. 6