复回归分析简介MultipleRegressionAnalysis.PDF

複迴歸分析簡介 (Multiple Regression Analysis) 迴歸分析是利用一個或一組自變數來預測或解釋一個(反)應變數(response variable) ，其中自變數又可稱為預測變數(predictors) 、解釋變數(explanatory variables) 、控制變數(controlled variables) 、或獨立變數(independent variables)等 等 ，而應變數又可稱為(相)依變數(dependent variable) 。在迴歸模式裡 ，若只有一 個自變數，且自變數與應變數的關係為直線相關，則此迴歸模式稱為簡單線性迴 歸模式(simple linear regression model) ；若模式裡至少有二個自變數，且在其它自 變數固定之下，每個自變數與應變數的關係是直線相關，則此迴歸模式稱為複迴 歸模式(multiple regression model) ，以下是複迴歸分析的簡介。 A. 複迴歸模式 (Multiple Regression Model) ： y β =+βx +β x +ε, 0 1 1 k k 其中y 為應變數 ， 為k 個自變數 ， 為(y)截距(intercept) ， 為迴歸 x x β β β 1 k 0 1 k 係數(coefficients of regression) ，和 為誤差變數或稱為誤差項(error term) 。ε B. 模式假設 (Model’s Assumptions) ： 給定x x 為任意值 ， 1 k 1) 不同的 值獨立 = 不同的y 值獨立ε (觀察值獨立的假設) 2) ε的期望值為0 = y 的期望值為E (y ) β =+βx +β x (直線性假設) 0 1 1 k k 2 2 3) ε的變異數為σ= y 的變異數為σ (同質性(homogeneous)假設) 4) ε的機率分佈為常態 = y 的機率分佈為常態 (常態分佈假設) 下圖為以簡易線性迴歸來說明此模式的假設 ： 1 給定x 為固定值(如圖的x = 10, 20, 或30 等等) ：y 的機率分佈皆為常態分佈或 鐘狀分佈(如圖的每個紅色曲線) ；每個常態分佈的形狀大小皆相同 同質性假 設；所有對應的y 之期望值(或母體平均數)為 + (如圖y 的母體平均數落在 β βx 0 1 綠色直線上，例如當x = 10 ，y 的母體平均數為β +β ×10 、當x = 20 ，y 的母體 0 1 平均數為β +β ×20 ) 。 0 1 C. 估計的迴歸方程式 (Estimated Regression equation) ： ˆˆˆ ˆ ,