多元的线性回归模型.pptVIP

* 模型中包括无关变量（Irrelevant Variables） * * RESET检验(Regression Specification Error Test RESET检验 * RESET检验 * 多重共线性（Multi-collinearity）问题 * 多重共线性后果 通常参数的Ｔ检验通不过，但两个参数的联合显著（Ｆ检验） 模型的参数估计值对数据非常敏感 尽管不能区分单个参数的个体效应，但由于模型整体显著，因此，即使是在多重共线性条件下，仍能进行预测。 * 多重共线性:一个例子 MPG = miles per gallon CYL = number of cylinders ENG = engine displacement in cubic inches WGT = vehicle weight in pounds * * 识别多重共线性 检验解释变量之间的配对相关系数 * 做辅助回归方程： 如果该辅助回归议程的Ｒ２较大，例如大于0.8，则存在多重共线性 如何解决多重共线性 最有效的方式是增加样本的观测值； 利用约束最小二乘法，可以减轻多重共线性问题； 其他方法：如岭回归。 * 多元线性回归方程的预测问题 * 预测误差的方差 * * 100(1-a)%置信区间: 第三章 线性回归模型的其它问题 模型中包括非线性因素——对数函数 * * * F检验 * F检验 * 如