回归分析81回归分析之分类82回归基本原理83回归模型之检验84.PDF

2014/4/18 1 2 迴歸分析 8.1 迴歸分析之分類 8.2 迴歸基本原理 8.3 迴歸模型之檢驗 8.4 分析範例 3 8.1 迴歸分析之分類 1/2 迴歸分析依不同的重點分類，可分為以下幾類： 依自變數個數區分 單變數迴歸（簡單迴歸）：討論單一自變數對依變數的影響。例如： 複迴歸：討論二個以上的自變數對依變數的影響。 例如： 依線性性質區分 線性迴歸：自變數與依變數間具直線特性。 例如： 4 8.1 迴歸分析之分類 2/2 非線性迴歸：自變數與依變數間具非線性特性， 例如： 依方程式個數區分 單一迴歸式：討論一個依變數受自變數的影響，例如： 聯立迴歸式：討論二個以上依變數受自變數的影響，例如： 5 8.2 迴歸基本原理 1/5 單變數迴歸模型 下圖為（1.1銀行客戶.sav）中，客戶的「所得」與「存款」所繪出的散布圖。 6 8.2 迴歸基本原理 2/5 我們可以假設 存款＝β ＋ β 所得或 0 1 假設每一個y 彼此間獨立，不會相互影響，也就是沒有自我相關(autocorrelation)，且所 i 有的變異數 都相等，也是 ，則稱之為同質性(homoscedasticity)。 7 8.2 迴歸基本原理 3/5 須滿足以下的基本假設： 與  間互為獨立(independent)， corr(,)＝0 i j i j , )＞0，則有自我相關）。 （如果corr(i j 2 來自一個平均值為0，變異數為σ 的常態分配。 i 假設b 、b 為 、 之估計值，則樣本之線性迴歸方程式可寫成 o 1 o 1 為依變數 y之樣本估計值(fitted value)。 8 8.2 迴歸基本原理 4/5 稱為殘差(residual)（見下圖） 。 1 2014/4/18 殘差e 必須滿足以下的假設： i e 與e 間互為獨立，corr(e , e )＝0。 i j i j e 來自一個平均值為0，變異數為 的常態分配。 i 9 8.2 迴歸基本原理 5/5 複迴歸模型 其中 、 … 稱為偏迴歸係數(partial regression coefficient)，而b 、b …b 則是他們的估 o 1 k 0 1 k 計值。有以下幾項假設： 所有自變數x間相互獨立,即沒有線性重合(multicollinearity)問 題。