第6章多元线性回归分析.pptVIP

回 归 分 析 —多元线性回归 2 线性回归 2.5 多重共线性的识别及处理 ②条件指数和方差比例 背景 多重共 线性的 识别 多重共 线性的 处理 每个条件指数，都对应着一个特征值。对于较大的条件指数，则对应着一个较小的特征值，此时可求得其对应的特征向量，故构成这一特征向量的变量间有近似的线性关系，由此即可找出存在强线性关系的变量组。此外统计中用方差比例来量化各个变量在构成这个特征向量中的贡献，一般认为在大的条件指数中由方差比例超过0.5的变量间存在共线性。 多重共 线性的 识别 多重共 线性的 识别 本章目录 回 归 分 析 —多元线性回归 2 线性回归 2.5 多重共线性的识别及处理 ①对变量进行筛选（具体内容见上一节的描述） 背景 多重共 线性的 识别 多重共 线性的 处理 多重共 线性的 处理 本章目录 回 归 分 析 —多元线性回归 2 线性回归 2.5 多重共线性的识别及处理 背景 多重共 线性的 识别 多重共 线性的 处理 ②岭回归 当变量间存在共线性关系时，我们用下式来估计线性回归方程参数， ，此式称为回归系数的岭估计。其中 是可选择的参数，岭回归就是要选择合适的 值，选择的原则是使得回归模型的均方误差最小，即使得 达