多元线性回归模型公式的推导全过程.docVIP

多元线性回归模型 在多要素的地理环境系统中，多个（多于两个）要素之间也存在着相互影响、相互关联的情况。因此，多元地理回归模型更带有普遍性的意义。 多元线性回归模型的建立 假设某一因变量y受k个自变量的影响，其n组观测值为（），。那么，多元线性回归模型的结构形式为： （3.2.11） 式中： 为待定参数； 为随机变量。 如果分别为的拟合值，则回归方程为 ?=（3.2.12） 式中： 为常数； 称为偏回归系数。 偏回归系数（）的意义是，当其他自变量（）都固定时，自变量每变化一个单位而使因变量y平均改变的数值。 根据最小二乘法原理，（）的估计值（）应该使 （3.2.13） 有求极值的必要条件得 （3.2.14） 将方程组（3.2.14）式展开整理后得： （3.2.15） 方程组（3.2.15）式，被称为正规方程组。 如果引入一下向量和矩阵： 则正规方程组（3.2.15）式可以进一步写成矩阵形式 （3.2.15’ 求解（3.2.15 （3.2.16） 如果引入记号： 则正规方程组也可以写成： （3.2.15’’ 多元线性回归模型的显著性检验 与一元线性回归模型一样，当多元线性回归模型建立以后，也需要进行显著性检验。与前面的一元线性回归分析一样，因变量y的观测值之间的波动或差异，是由两个因素引起的，一是由于自变量的取之不同，另一是受其他随机因素的影响而引起的。为了从y的离差平方和中把它们区分开来，就需要对回归模型进行方差分析，也就是将y的离差平方和或（Lyy）分解成两个部分，即回归平方和U与剩余平方和Q： 在多元线性回归分析中，回归平方和表示的是所有k个自变量对y的变差的总影响，它可以按公式 计算，而剩余平方和为 以上几个公式与一元线性回归分析中的有关公式完全相似。它们所代表的意义也相似，即回归平方和越大，则剩余平方和Q就越小，回归模型的效果就越好。不过，在多元线性回归分析中，各平方和的自由度略有不同，回归平方和U的自由度等于自变量的个数k，而剩余平方和的自由度等于，所以F统计量为： 当统计量F计算出来之后，就可以查F分布表对模型进行显著性检验。