多元线性回归模型研究.pptVIP

* 经济贸易学院 熊维勤 * 该统计量越接近于1，模型对样本数据的的拟合程度越好。 问题：在应用过程中发现，如果在模型中增加一个解释变量，R2往往增大。这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 但是，现实情况往往是，增加解释变量个数引起的R2的增大与拟合好坏无关，因此R2需要调整 一、拟合优度检验 可决系数： * 经济贸易学院 熊维勤 * 调整的可决系数 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响: 其中：n-k-1为残差平方和的自由度，n-1为总离差平方和的自由度。 * 经济贸易学院 熊维勤 * 变差来源 平方和 自由度 均方差 回归平方和 残差平方和 总离差平方和 方差分析表 * 经济贸易学院 熊维勤 * 二、回归方程的显著性检验(F检验) 回归方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。即检验模型: 中的参数?j是否都显著不为0。 * 经济贸易学院 熊维勤 * 二、回归方程的显著性检验(F检验) F检验的具体步骤： 1、提出原假设与备择假设： 不全为0 根据数理统计学中的知识，在原假设H0成立的条件下，统计量　　　　　　　服从自由度为(k , n-k-1)的F分布 2.在H0成立的前提下构建统计量 * 经济贸易学院 熊维勤 * 若F? F?(k,n-k-1)，则拒绝原假设H0，即认为回归方程总体上存在显著的线性关系； 若F? F?(k,n-k-1)，则不能拒绝原假设H0，即认为回归方程总体上不存在显著的线性关系。 二、回归方程的显著性检验(F检验) 3、给定显著性水平?，查表求得临界值F?(k,n-k-1)， 　　从而确定拒绝域F F?(k,n-k-1)， 4、根据样本观察值求出F统计量的值并进行判断： * 经济贸易学院 熊维勤 * 可决系数与F检验 由方差分析可以看出，F检验与可决系数有密切联系，二者 都建立在对应变量变差分解的基础上。F统计量也可通过可 决系数计算： 可看出：当 时， 越大， 值也越大 当 时， 结论：方程的显著性检验和拟合优度检验是一致的 * 经济贸易学院 熊维勤 * 三、变量的显著性检验（t检验） 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的。因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 这一检验是由对变量进行t检验来完成的。 注意：在一元线性回归模型中，F检验和t检验　 　　　　是等价的。 * 经济贸易学院 熊维勤 * 1、t统计量 从前面的分析知道，回归系数的估计量服从正态分布。其中： 三、变量的显著性检验（t检验） * 经济贸易学院 熊维勤 * 由此，可构造如下t统计量 特别地，如果回归系数的真实值为0，则t统计量为： 三、变量的显著性检验（t检验） * 经济贸易学院 熊维勤 * 2、t检验的具体步骤： 1）提出原假设与备择假设： 三、变量的显著性检验（t检验） 2）构建t统计量： * 经济贸易学院 熊维勤 * 若|t|? t?/2(n-k-1)，则拒绝接受原假设H0，即认为解释变量Xi对被解释变量Y存在显著影响。 若 |t|?t?/2(n-k-1)，则不能拒绝原假设，即认为解释变量Xi对被解释变量Y的影响在统计上不显著 三、变量的显著性检验（t检验） 3)给定显著性水平?，得到临界值t? /2(n-k-1)， 　 确定拒绝域|t| t? /2(n-k-1) 4)由样本观测值求出t统计量值并进行判断： * 经济贸易学院 熊维勤 * 四、回归系数的置信区间 回归系数的置信区间主要用来考察：在一次抽样中所估计出的参数值离其真实值有多“近”。 容易推出：在(1-?)的置信水平下?i的置信区间是 在变量的显著性检验中已经知道： * 经济贸易学院 熊维勤 * §3.5 多元线性回归模型的预测 对于多元回归模型： 通过回归分析，得到回归方程 后，就可根据给定的解释变量的一组值： X0 =(1,X20，X30，…， Xk0)，对因变量Y的值进行预测。 * 经济贸易学院 熊维勤 * 一、点预测（个值预测和均值预测） 为Y0及 的点预测值。 §3.5 多元线性回归模型的预测 一个结论：　为Y0及