第六章 多元线性回归预测.ppt

经济预测与决策 重庆交通大学管理学院 第六章 多元线性回归预测 1、多元线性回归的模型 Y＝b0+b1X1+b2X2+…＋bpXp 2、多元线性回归的参数估计 （最小二乘法） 3、多元线性回归的误差分析与统计检验 4、多元线性回归的预测 2、多元线性回归的参数估计 如果在对变量Y与Xi(i＝1，2，…，m)的n次观察中，获得了如下数据： 最小二乘法 多元现行回归参数估计 例 设 参数估计的方程为 对上式中的bi(i=0，1,2,……,m)分别求偏导，并令其等于零，经整理后得： (6.2-11) (6.2-11) 其中 第一节 二元线性回归预测 以上讨论了两个变量因素之间的回归预测问题。然而，客观事物的变化往往受多种因素的影响，即使其中一个因素起着主导作用，但有时其他因素的作用也是不可忽视的。在实际问题中，大多数影响因变量的因素不是一个，而是多个。我们把包括两个或两个以上自变量的回归称为多元回归。这一节中，我们首先讨论两个自变量的模型，借以说明多元回归的使用，然后推广到三个或三个以上自变量的回归模型。 一、二元回归模型 二、二元回归方程 称为常数， ， 称为Y对 x 的回归系数 三、??参数估计 1 、求估参数：用最小二乘法 系数的计算公式为： 2 、回归系数 、 的含义 的含义： 3、 的方差和标准差估计 标准差：同一元线性回归的情况一样，标准误差是对y值与模型估计值之间的离差的一种度量，它是计算置信区间估计值和其他拟合优度的基础指标。其计算公式为： §6.3、多元线性回归的显著性检验 1．复可决系数R2与复相关系数 ?复相关系数 对于多元线性回归而言，多元相关系数R似乎是多余的，它并未提供任何新的信息，只是可决系数的平方根。 2、回归方程的显著性检验：F检验 检验回归系数全部为零的可能性 2 、回归方程的显著性检验 4 、变量或回归系数显著性检验： t检验 5 、置信区间 多元回归的近似置信区间的估计方法同简单回归相类似，其置信区间的公式为： 置信区间＝ 式中，n是观察值的个数；p是自变量 的个数， 是自由度为n-p的t统计量数值表中的数值。 二元线性回归的例子 【例】一家百货公司在10个地区设有经销分公司。公司认为商品销售额与该地区的人口数和年人均收入有关，并希望建立它们之间的数量关系式，以预测销售额。有关数据如下表。试确定销售额对人口数和年人均收入的线性回归方程，并分析回归方程的拟合程度，对线性关系和回归系数进行显著性检验(?=0.05)。 一个二元线性回归的例子(Excel 输出的结果) 一个二元线性回归的例子(计算机输出结果解释) 销售额与人口数和年人均收入的二元回归方程为 显著性检验 1、t检验 2、F检验 第三节 非线性回归预测法 基本概念 非线性模型及其线性化方法 一. 基本概念 1. 因变量 y 与 x 之间不是线性相关关系 2. 可通过变量代换转换成线性相关关系 用最小二乘法求出参数的估计值 并非所有的非线性模型都可以化为线性模型 二. 几种常见的非线性模型 ? 指数函数 几种常见的非线性模型 ? 幂函数 几种常见的非线性模型 ? 双曲线函数 几种常见的非线性模型 ? 对数函数 几种常见的非线性模型 ? 多项式函数 举例 例1：某商品从进入市场起，由于质量和成本的改变，变动了七次价格，每次价格变动的时间基本相等，总销售量由逐渐上升到逐渐下降，试对下列资料用抛物线拟合。 例1的散点图 输入形式 结果 例2的散点图 结果 Excel中回归的步