实验七多元回归模型.docxVIP

实验七多元回归模型（2学时） 一、 实验目的和要求 1.熟练掌握多元线性回归模型的建立方法，掌握并能检验所建立回归方程的显 著性与方程系数的显著性，能根据实际问题作预测与控制； 2?掌握平方和分解公式，会编程求总离差平方和TSS、回归平方和RSS、残差平 方和ESS、复相关系数平方等统计量； 3?会根据实际问题对建立多元非线性回归模型，掌握多元线性回归的regress命 令格式. 二、 实验内容 1.多元线性回归模型 （1）多元线性回归模型 Y = 0o+0]X]+02X2+…+ ——多元线性回归模型 0（），0「?，0“一一待定常数，回归系数,￡?N（0q） 矩阵表示 对Y,X「X2，???,Xh进行〃次独立观测，得〃组数据 （X；兀],兀2，???,耳，） （/ = 1,2,???,/?） 则有 X =0（）+0內 1 +??? + 0%+￡,心1,2,???,/? 采用矩阵记号其中???,￡”相互独立，且?？/（0,关）? 采用矩阵记号 HX1—观测向量 HX1 … 吨 =a,x1,x2,-*-,xj 设计矩阵 ? ? ? ? ? p = 02 ? ? ? 待估回归参数向量￡ = ? ? ? 随机误差向量 (p+Dxl nxl Y = X卩+ w ——多元线性回归模型 参数估计及性质 0 = (Po,6,…，九)=——卩的最小二乘估计 $2 =_ES5_=Yr(I-H)Y一__随机误差项方差宀氐的无偏估计 n- p-\ n - p-\ Y = (y1,y2,-，K)T=Po+P1x1+-+ppxp=xp—回归方程 给出XvX?,…,Xp,可由y的观测值和经验回归方程求得丫的预测值. %求回归参数命令 复相关系数及相关性检验 TSS = ESS + RSS —总离差平方和分解 TSS = (必?-刃2 —总离差残差平方和(Total Sum of Squares) i=l —残差平方和(Error Sum of Squares) Z=1 i=\ /?SS=Y(九一A)，—回归平方和(Regression Sum of squares) z=i ◎竺亠熒 ◎竺亠熒 TSS TSS 复相关系数平方 疋,回归愈越显著. %求复相关系数平方命令 TSS=sum( TSS=sum((y-mean (y)). 2) %计算总离差平方和，y是因变量Y数据 RSS=sum((yl-mcan(y)) RSS=sum((yl-mcan(y)). 2) %计算回归平方和 ESS=sum((y-yl).2)%计算残差平方和 ESS=sum((y-yl).2) %计算残差平方和 R2=RSS/ESS； %计算样本决定系数R2二RSS/TSS 回归方程的显著性检验 检验假设：H「0\=02=_ = 0p=D 今 H\：存在lWiSp 0严0 统计量i ,RSSW =MSRJ TSS/(n-p^) MSE 给岀显著性水平 a,检验〃值 p = PHi}(FF^9 当 F{}Fa(p,n-p~l)= pa 拒绝H°,认为Y与X|,X2,…,X/t线性回归显著；否则线性关系不显著. %回归方程显著性检验命令F=(n-p-l)*SSR/SSE %回归方程显著性检验命令 F=(n-p-l)*SSR/SSE Fl=finv(0. 95,p,n-p-1) F2=finv(0. 99,p,n-p-1) p=l-fcdf(F,p,n-p-1) 回归系数的统计推断 %计算的F统计量,n是样本容量 %查卩统计量0.05的分位数 %查卩统计量0.01的分位数 %求检验P值，F是上面计算结果 检验假设 九：仅=0o￡ : 00伙= 1,2, 统计量tk = 统计量tk = A - A- ?t(n- p -1) 检验 p 值 pg =甩(I —日 tOk |) = 2PHq (? _ p _ 1)目 tQk I) 当pa^\tQ \t —p-1),拒绝H()k,认为Y与X线性回归显著；否则不显著. 1— 2 注意：％为(XX)T对角元A 注意：％为(XX)T对角元A?N(以qG),s(A)= 7^ %回归系数显著性的t检验命令 T=bl/sqrt(SSE/(n~2))*sqrt(sum( (x-mean (x)).八2)) %t统计量观测值to, x是自变量，bl是X的回归系数 Tl=tinv(0. 975,n-p-1) T2=tinv (0.995,n-p-1) p=2-2*tcdf(T,n-p-1) (6)预测及统计推断 A ~l (/7-卩-1)$()， 1 \ 2 %t统计量0. 05的分位数 %t统计量0.01的分位数 %t检验的p值 \ 1 2 丿 --風置信度1-d置信区间 因变量的点估计和区间估计 绐出兀0 % 的预测值 0 = Ao + 加01 +