第西十二章多元回归分析.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：影响家畜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：影响牧场经营效益的因素有规模、品种、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 偏回归与复回归 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进行求解 例题请参阅《兽医统计学》P149~150 猪的瘦肉量是猪育种工作中一个非常重要的指标，一般认为，猪的瘦肉量与猪的眼肌面积、胴体长、背膘厚有关 今根据三江白猪育种组对 54 头杂种猪的资料，得到如下一级数据，试作多元回归分析 x1：眼肌面积（cm2） x2：胴体长（cm） x3：背膘厚（cm） y：瘦肉量（kg） 其正规方程组的矩阵形式是： 对系数矩阵进行求逆，然后将逆左乘方程两边，即得解，进一步求解 b0，即可写出一个多元回归方程 由于 因此， 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 因此， 本例中， 四、偏回归系数标准误 多元回归方程求出后，应对偏回归系数进行显著性检验： 为 b 的标准误 其中， 为高斯乘数，即系数矩阵的逆 中主对角线上与每个自变量相应的元素 三个偏回归系数的标准误分别为： 对三个偏回归系数进行显著性检验：