多元回归分析总结分析.pdfVIP

第十二章 多元回归分析 在许多实际问题中，影响因变量的因素有一个时，我们用一元回归分析解决问题，但 是影响因变量的因素往往有多个， 此时问题就上升到了一个因变量同多个自变量的多元回归 问题。当因变量与自变量之间为线性关系时，我们称之为多元线性回归。 多元性性回归分析的原理同一元线性回归基本相同，但计算上要复杂得多。 本章知识结构如下 ： 1、 建立回归模型 y 0 1 x1 2 x2 k xk 回归方程 y 0 1 x1 2 x2 k xk 2、 利用最小二乘法对参数进行估计 参数包括 ， ， 0 1 2 k 3、 写出回归方程 y 0 1 x1 2 x2 k xk 2 方法一：多重判定系数 R 4、 方程拟合优度的检验 方法二：估计标准误差 e S 1) 提出假设 SSR K 5、 线性关系检验 2) 计算统计量 F ~ F (k , n k 1) SSE (n k 1) 多 元 6 、 回归系数的检验 3) 作出决策 F , F , P , 回 检验单个自变量对因变量的影响是否显著 ，检验步骤同线性关系的检验， 检验过程中可能会因为“多重共线性”问题导致某些自变量无法通过检验。 归 7、 利用回归方程进行预测 分 利用给定的 k 个自变量， 求出因变量 y 的平均值的预测区间和个别值 析 的预测区间。 8、 变量选择——我称之为“模型的简化” a) 向前选择 主要方法 b) 向后剔除 c) 逐步回归 原理：对统计量进行显著性检验，将一个或一个以上的自变量引入模 型，如果增加一个自变量会使得残差平方和（ SSE）明显减少，则将该自变量 留在模型中，否则剔除。 9、多重共线性问题 1、产生原因：自变量之间的相关性 a) 计算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； 2、检验方法 b) 当模型的线性关系进行 F 检验显著时，几乎所 有回归系数 的 t 检验却不显著； i c) 回归系数与预期的的相反； 主要