管理统计学多元线性回归分析,案例应用步骤解析与EXCEL实际操作详解.pptVIP

* 回归系数的解释 b1=0.0611 当送货次数不变时，行驶里程每增加1英里，行驶时间期望的估计值增加0.0611小时。 b2=0.9234 当行驶里程不变时，送货次数每增加1次，行驶时间期望的估计值增加0.9234小时。 4 多重共线性 多重共线性及其所产生的问题 多重共线性的判别 多重共线性问题的处理 * 例：房屋售价 一个房地产经纪人认为房屋的售价可由房屋的面积、卧室的个数和潜在需求人数来预测。他随机选取了100座房屋并收集数据如下： 三元回归结果 多重共线性及其产生的问题 多重共线性(multicollinearity) 回归模型中两个或两个以上的自变量彼此相关 多重共线性带来的问题有 可能会使回归的结果造成混乱，甚至会把分析引入歧途 可能对参数估计值的正负号产生影响，特别是各回归系数的正负号有可能同我们与其的正负号相反 多重共线性的识别 多重共线性的识别 检测多重共线性的最简单的一种办法是计算模型中各对自变量之间的相关系数，并对各相关系数进行显著性检验 样本相关系数的绝对值大于0.7,即模型中自变量之间显著相关，存在着多重共线性 如果出现下列情况，暗示存在多重共线性 模型中各对自变量之间显著相关。 当模型的线性关系检验(F检验)显著时，几乎所有回归系数的t检验却不显著 回归系数的正负号与其的相反。 * 例：房屋售价（变量间相关矩阵） 多重共线性(问题