第十一是章多元回归分析.pptVIP

第十一章 多元回归 本章介绍多元回归的最基本知识，运用多元回归进行多项式回归分析的一般步骤，回归方程的显著性检验 矩阵的复习： 什么叫矩阵 方阵 对称阵 单位阵 行列式 矩阵的运算 矩阵的求逆 在许多情况下，影响一个变量的因素往往有许多个，因此，仅用简单回归进行预测其结果不够理想，因此应当研究一个依变量和多个自变量的关系 这种研究多个自变量和一个依变量的关系就是多元回归分析，简单回归分析仅研究一个自变量和依变量的关系，因此可以将简单回归看作是多元回归的一种特例，是多元回归的基础 这里所研究的多元回归也是线性回归，称为多元线性回归 有两个自变量（x1、x2）时，称二元线性回归 有三个自变量（x1、x2、x3）时，称三元线性回归 有m元自变量（xi）时，称m元线性回归 以此类推 例如：影响水生生物发病的因素有很多种，如致病菌、营养、环境、消毒、污染、抗病力、药物等 又如：影响动植物生化指标的因素也很多，既有外部因素，也有内部因素 又如：影响渔场经营效益的因素有规模、养殖的鱼类、饲料、饲养密度、管理水平、药物的使用、保健成本、防疫等 其中，有些影响因素是数量性质的，而有些虽是质量性质的，但可以进行量化 将这些影响因素（自变量）与被影响的因素（依变量）组合成一个线性函数，即建立一个多元线性回归方程来定量地说明这种回归关系，其效果往往好于一般的分析 第一节 偏回归与偏相关 一、偏回归 设影响依变量y的自变量xi有m个（i=1,2,…,m） 我们可以建立一个多元线性回归方程： 其中，b0是常数项： 而b1、b2、…、bi、...、bm分别为x1、x2、…、xi、…、xm对y的偏回归系数 bi的含义是当x1、x2、…、xi-1、xi+1、…、xm固定不变时，xi每变化一个单位，y发生变化的平均量 二、多元回归方程的一般配置方法 多元回归方程中bi的求解是通过最小二乘法来确定的 即所选取的bi必须使得离回归平方和Q最小，即： 为最小 为了使方程的求解容易一些，先消去b0 消去b0： 代入Q式： 令 则 分别求Q对bi的偏微分，并令之为0： 整理之，得正规方程组： 其中： 用矩阵形式表示之： 得： 这一形式可以简写为： 由于系数矩阵是一个对称的方阵，且一般满秩，因此可求逆，有解，且是唯一解 当方程仅为二元或三元时，可用行列式或消元法求解，但方程多元时，手工计算很麻烦，且不太可能，因此必须借助统计软件在电脑上完成方程组的求解 下面我们举一个既典型又不典型的例子 从一批资料中获得如下数据：不同种类的池养亲鱼的繁殖体重和怀卵量如下表，试作回归分析 种类 平均体重 平均卵巢重 平均绝对怀卵量 （kg x1） （kg x2） （百万粒 y） 鲮鱼 0.85 0.14 0.205 鲢鱼 4.46 0.90 0.630 草鱼 6.31 1.08 0.755 鳙鱼 8.64 1.54 1.08 青鱼 21.95 3.45 2.41 我们先求一级数据： 接着求二级数据： 建立二元回归方程： 解方程组 有三种方法解此方程组，第一种为消元法；第二种为行列式法；第三种为矩阵法 行列式法： 得二元回归方程： 矩阵法求解： 求系数矩阵的逆矩阵： 得解 这一二元线性方程组的生物学意义是： 当卵巢重不变时，怀卵量随不同种类鱼的体重变化而变化；当种类体重不变时，怀卵量随卵巢重的变化而变化 与简单回归方程一样，多元线性回归方程也有一定的预测范围 三、多元回归方程的估计标准误 求解多元回归方程我们用的是最小二乘原理： 由于每一个y不可能与 相同，因此 Q称为多元离回归平方和 Q越大，表示y与 的差距越大，方程的预测效果就越差，因此可以用Q来表示多元回归方程的预测效果，即多元回归方程的估计标准误为： 其中，n为样本量，m为自变量个数 由于