多重线性回归.pptVIP

主要内容 线性回归模型的检验项目 （1）回归系数的检验（t检验）。 （2）回归方程的检验（F检验）。 （3）拟合程度判定（可决系数R2）。 （4）D.W检验（残差项是否自相关）。 （5）共线性检验（多元线性回归）。 （6）残差图示分析（判断异方差性和残差序列自相关）。 作业 设置残差选项选项 输出D-W检验值 输出标准化残差绝对 值大于3的样本数据 相关信息，包括预测 值，标准化残差等 图形对话框 表示被解释变量 标准化预测值 标准化残差 剔除残差 调整预测值 学生化残差 学生化剔除残差 图形对话框 上一组坐标 的变量名 绘制散点图 下一组坐标 的变量名 直方图 正态概率P-P图 绘制标准化残差图 依次绘制因变量 和各自变量残差 的散点图 保存对话框 保存预测值选项 保存非标准化预测值 保存标准化预测值 保存调整的预测值 保存预测值的均值标准误差 保存对话框 保存对话框 设置预测区间 条件均数的 置信区间 个体y值的 置信区间 设置置信度 保存对话框 设置残差选项， 用于模型诊断 原始残差 标准化残差 采用t变换产生的残差，即学生化残差 剔除残差，可发现可疑的强影响点 学生化剔除残差 保存对话框 设置诊断影响点 的统计量选项 表示不考虑该观察值 后回归系数的变化值 标准化的回归 系数变化值 表示不考虑该观察值 后预测值的变化值 表示标准化预 测值的变化值 在多重回归中，表示不考虑 该观察值后协方差矩阵与含 该观察值协方差矩阵的比率 保存对话框 保存结果到新文件，默 认在当前数据文件中生 成新变量 新变量保存到新数据文件中 设置变量筛选标准和缺省值处理方法话框 解释变量进入或剔 除回归方程的标准 表示以偏F统计量 的理论概率α值 为标准判定变量 是否进入或剔除 回归方程。 表示若某一自变 量的偏F统计量的 概率值P小于0.05 则该自变量进入 回归方程。 表示若某一自变 量的偏F统计量的 概率值P大于0.10 则该自变量剔除 回归方程。 设置变量筛选标准和缺省值处理方法话框 回归方程中是 否包含常数项 缺失值处理方式 凡是有缺失值的数据都不分析 不分析进入模型变量有缺失值的记录 用该变量的均数替代缺失值 自变量筛选方法选项 不做筛选自变量全部进入模型 逐步法，由Options对话框设置筛选标准 强制剔除法 后退法 前进法 例1 有学者认为血清中低密度脂蛋白增高和高 密度脂蛋白降低是引起动脉硬化的一个重要原 因。现测量30名怀疑患有动脉硬化的就诊患者 的栽脂蛋白A、栽脂蛋白B、栽脂蛋白E、栽脂 蛋白C、低密度脂蛋白中的胆固醇、高密度脂 蛋白中的胆固醇含量，资料见data12-1。分别 求出低、高密度脂蛋白中的胆固醇含量对栽脂 蛋白A、栽脂蛋白B、栽脂蛋白E、栽脂蛋白C 的回归方程。 2.2 实例操作讲解 2.2.1 建立数据文件 2.2.2 操作步骤 第一步：单击Analyze/Regression/Linear打开线性回归分析主对话框，选择分析。 医用高等数学 * * 概率论与数理统计 高等数学 医学统计学 心理统计学 * 一、多重线性回归的知识回顾 二、多重线性回归软件实现 1.1 多重回归分析的一般步骤 一、多重线性回归分析的知识回顾 1、确定回归方程中的解释变量和被解释变量 2、确定回归模型 3、建立回归方程 4、对回归方程进行检验 5、利用回归方程进行预测 1.2 多重回归分析的数据格式 1.3 多重线性回归的数学模型 回归常数 偏回归系数 1.4 多重线性回归的应用条件 线性、独立、正态、齐性。 1.5.1 回归方程的显著性检验 检验被解释变量和所有解释变量全体之间线性关 系是否显著，即用线性模型来描述它们之间的关 系是否恰当。 1.5 多重回归方程的检验与评价 检验步骤： 1）建立检验假设，确定检验水准 H0：各个偏回归系数同时为0； H1：各个偏回归系数不全为0。α=0.05 2）计算统计量 3）确定P值，作出推断结论 接受原假设即回归系数全为0，回归方程无效； 接受备择假设，即回归系数不全为0，自变量与 因变量的关系用线性关系表示有统计学意义。 1.5.2 回归系数的显著性检验 检验的是回归方程中每个解释变量与被解释变量 之间是否存在显著的线性关系。 检验步骤： 1）建立检验假设，确定检验水准 H0：某一回归系数为0； H1：某一回归系数不为0。α=0.05 2）计算t 统计量 3）确定P值，作出推断结论 1.5.3 残差分析 残差是指实际样本值与回归方程计算所得的预测 值之差。如果回归方程能较好地反映被解释变量 的特征和变化规律，那么残差序列应不包含明显 的规律和趋势。 残差分析主要任务：残差是否服从均值为0的正态 分布、是否为方差齐性、残差序列是否独立、借 助残差探测样本中的异常值。 1.5.