SSPS教学.docVIP

PAGE PAGE PAGE 14 PAGE 14 心理学专业研究生课程 《多元统计》教授提纲 刘华山 第一章 多元线性回归 一、回归方程的解释力 1.回归方程的解释力是指回归方程的解释力与预测力，即方程在多大的程度上解释了因变量的变化，或者说方程对观察值拟合程度如何；用回归方程去估计、预测特定的，比在没有回归方程从而只能用样本平均值去估计的情况下，能在多达的程度上减少预测误差。 2.确定系数（coefficient of determination）是方程解释力的指标。其含义为回归平方和占总平方和的比例。即 说明： （）为观测数据的离差； （）为拟合误差、残差、余差； （）为回归离差。 有关系式：（）=（）+（） 为总平方和（Total sum of squares,TSS），即观测数据离差的平方和； 为误差平方和(Error sum of squares,ESS)，或余差平方和； 为回归平方和(Regression sum of squares,RSS)。 有关系式：=+ 有时也写作（表示用预测），取值在[0,1]区间内。在的表达式中，回归平方和越大，表明自变量对的解释能力越强。通常以乘以100%，表示回归方程解释的百分比。 当标准变量与预测变量之间存在线性关系时，是方程拟合优度的指标。 3.调整的确定系数(Adjusted R Square) 随着自变量个数的增加,余差平方和逐渐减少,随之增大,一些与y线性关系不显著的变量在引入方程后也会使增加。是一个受自变量个数与样本规模之比（k:n）影响的系数。一般以1：10以下为好。当这个比值大于1：5时，会高估实际的拟合优度。此时宜用代替。 = 当k增加时，的增加会抵消（1-）=的减少，而使减小。 4.多元相关系数（multiple correlation）R 多元相关系数，也称复相关系数，是标准变量与一组预测变量之间的相关程度的度量。可写作实质是观测值与预测值之间的相关系数，即,故为非负值，其值域为[0,1]。 多元相关系数在数值上等于确定系数的平方根。即 5.偏确定系数(partial coefficient of determination) 偏确定系数表示控制其他变量后，某一变量对y的边际解释能力，或对减少余差平方和的边际贡献。 当控制了变量后，表示对的边际影响的偏确定系数可以用下式求出： 式中，为回归方程包含两个自变量时的回归平方和；为回归方程仅包含自变量1时的回归平方和；为回归方程仅包含自变量1时的误差平方和。及、、的含义可从P.38页图及例中得到说明。 上公式扩展后成为：在控制自变量的前提下，新增加的第个变量的边际贡献即是偏确定系数： 6.偏多元确定系数（partial multiple coefficient of determination） 7.偏相关系数（partial coefficient）： 偏确定系数的平方根即是偏相关系数，它是指控制其他变量条件下两个变量之间的相关程度的指标，也称净相关系数。 注意以下一些符号的区别： 为确定系数； 为多元相关系数； 为偏确定系数； 为偏相关系数； 为偏多元确定系数。 注意小下圆点是基本分界点。 二、一元回归模型与多元回归模型的统计推断 （一）一元回归模型的估计标准误 待估计的统计参数 样本的统计量 估计的标准误 (=) （二）多元回归模型的估计标准误 待估计的总体参数 样本统计量 估计标准误 （=） （三）多元回归系数求解 对=求偏导，令其等于0。利用矩阵微分方法，可求得回归系数。 B样本= 其中，B总体=，B样本=， X=,Y=为观察数据矩阵。 X为n×（k＋1）矩阵，k为自变量个数，n为个案个数。为的转置矩阵，是一个（k＋1）×n矩阵。是一个（k+1）×（k+1）方阵。 是的逆矩阵。即是矩阵C, C= 上述就是矩阵C的元素。B、Y分别为行向量、列向量，向量是只有1行、1列的特殊矩阵。 （四）回归方程的显著性检验 虚无假设：H0:B1=B2=?=BK=0 (X1,X2, ?,XK的变化都不引起Y的线性变化) 备择假设：H1:至少有一个BJ0 （j=1,2, ?,k） 待检验的统计量： ，F服从自由度k,n-k-1的F分布。 （五）回归系数的显著性检验 虚无假设：H0:BJ=0 备择假设：H1:BJ0 待检验的统计量： t=, 即 例3：人均食品支出对人均收入、价格的回归系数显著性水平分别为0.0000和0.0106,B0的显著性水平为0.17. (六)回归系数的置信区间 例3中，回归系数B1的α=0,01置信区间为(0.354-0.039?2.772, 0.35