信息分析与决策chapert临4-5回归分析3-2.pptxVIP

第四章 样本数据的统计分析 回归分析3-2 多元回归分析中的变量筛选 在多元线性回归分析中，模型中应引入多少解释变量时需要重点研究的。如果引入的变量较少，回归方程将无法很好地解释说明被解释变量的变化。但并非引入的变量越多越好。因为变量间可能存在多重共线性的问题。 多元回归分析中的变量筛选 在多元回归分析中，需要采取一些策略对变量引入回归方程加以控制和筛选。主要有三种策略： 向前筛选策略(Forward) 向后筛选策略(Backward) 逐步筛选策略(Stepwise) 多元回归分析中的变量筛选 向前筛选策略(Forward) 解释变量不断进入回归方程的过程。 首先选择与被解释变量具有最高线性相关系数的变量进入方程，并进行回归方程的各种检验。然后，在剩余的变量中寻找与解释变量偏相关系数最高且通过检验的变量进入方程，并对新建立的回归方程进行各种检验；该过程一直重复，直至没有可进入方程的变量为止。 多元回归分析中的变量筛选 向后筛选策略(Backward) 向后筛选策略是变量不断剔除出回归方程的过程。首先，所有变量全部进入方程，并进行各种检验。然后，在回归系数显著性检验不显著的一个或多个变量中，剔除t检验值最小的变量，重建模型进行各项检验，直至所有变量的回归系数检验都显著。 多元回归分析中的变量筛选 逐步筛选策略(Stepwise) 向前筛选和向后筛选的综合。向前筛选策略是变量不断进入回归方程的过程。随着变量的引入，由于解释变量之间存在一定程度的多重共线性，使某些已经进入方程的解释变量的回归系数不再显著。逐步筛选法在向前策略的基础上，结合向后筛选策略，在引入变量的每个阶段都提供了再剔除不显著变量的机会。 多元回归分析中的变量筛选 多元回归分析(逐步回归法) * 基本思想: 在考虑Y对已知的一群变量(x1,x2,…,xk)回归时，从变量xi(i=1…k)中选出对已解释变差(回归项)的贡献最大的变量，进入回归方程。 多元回归分析中的变量筛选 对已解释变差的贡献大小的判别依据，就是包含了偏解释变差的F统计量fj. 按照统计量Fj的值fj的大小顺序依次进入方程；但所有进入方程的自变量的F统计量fj对应的显著性概率都应满足p  α(即要求其对应系数bj显著异于0) 多元回归分析中的变量筛选 多元回归分析中的变量筛选 Ex3 研究某城市散户股民在“证券市场的投资总额”是否可以用“证券市场外的收入”，“受教育程度”，“入市年份”和“股民年龄”来说明。 多元回归分析中的变量筛选 数据：CH6CH9CH10证券投资额与依据 Step-1: Analyzeregressionlinear Step-2: “证券市场的投资总额” Dependent “证券市场外的收入” “受教育程度” “入市年份” “股民年龄” Independent 多元回归分析中的变量筛选 Step-3: 选择变量进入的方法Method Enter: 所有变量全部强行进入模型 Forward: 逐步增加变量 Backward: 先把所有的自变量全部放入方程，然后逐步减少自变量。 多元回归分析中的变量筛选 Stepwise: Forward和Backward方法结合的方法，即“一边进，一边出”方法。 Remove:在已有回归方程的基础上，根据设定的条件，删除变量 多元回归分析中的变量筛选 Step-4: Option选项，选默认进入模型的变量的F统计量的概率为5%，选默认从回归方程中剔除变量的系数的F统计量的概率为10% 多元回归分析中的变量筛选 Step-5：Linear Regression Statistics的输出设定 Estimates : 系统的缺省设置，系统输出回归系数b,b的标准差，标准回归系数Beta, b的t值及双尾检验的p值。 多元回归分析中的变量筛选 Step-5：Linear Regression Statistics的输出设定 Model fit : 系统的缺省设置，系统输出(在逐步回归的过程中)引入模型的变量，从模型中删除的变量，复相关系数R，判定系数R2，校正的R2,估计的标准误差，ANOVA方差分析表。 多元回归分析中的变量筛选 Step -6:结果及分析报告 引入/剔除变量表显示变量的引入和剔除并显示引入和剔除的标准。该表反映出变量的引入顺序为“证券市场以外年收入”，“入市年份”“年龄”“受教育程度”。没有变量被剔除。 多元回归分析中的变量筛选 回归方程的拟合优度检验 该表显示各模型的拟合情况。反映了每个模型的复相关系数，判定系数，调整判定系数和估计值的标准误差。 多元