- 1、本文档共31页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
回归分析
——方法、数据与R的应用
刘超
statchao@buaa.edu.cn
北京航空航天大学数学科学学院
2020年1月20 日
课件仅供教学使用
刘 超 ,回归分析——方法、
数据与R的应用,高等教育
出版社,2019年10月
第3章 多元线性回归
上课之前的话
在许多实际问题中,影响因变量的因素往往有很多
有时候,为了尽可能全面地阐述问题,我们会尽可
能获得较多的自变量,有时候也可以通过对原始变量
进行变换、创建交互项或添加多项式项等方式衍生
出许多新变量。
此时可以使用多元回归(multiple regression)建模
当因变量与各自变量之间为线性关系时,称为多元
线性回归(multiple linear regression)
目的与要求
(1)掌握多元线性回归的基本原理,会进行参数的估
计和假设检验
(2)掌握模型检验和评价方法
(3)会使用回归模型进行预测
(4) 了解多元线性回归与一元线性回归的区别
(5)掌握多元线性回归模型在R软件中的实现
3.1 基本模型
3.1 基本模型
多元线性回归模型为
y =β +β x +…+β x +ε
0 1 1 p p
式中,y 是因变量,也叫被解释变量;x ,x …,x 是自变量,也
1 2 p
叫解释变量、预测变量;
参数β ,β ,…,β 可通过最小二乘方法或者极大似然估计法得到
0 1 p
ε 为误差或随机干扰,与一元线性回归模型一样,假设ε的均值
为0 ,方差为σ2
3.1 基本模型
如果得到y,x ,x ,…,x 的观测值(y,x ,x ,…,x ) ,i=1,2,…,n ,那么
1 2 p i i1 i2 ip
对于每一个观测值就有:
y =β +β x +β x + …+β x + ε (i=1,2,…,n )
i 0 1 i1 2 i2 p ip i
• 式中,y 表示因变量y 的第i个观测值,x 表示自变量x 的第
i j i j
i个观测值,ε表示误差。
i
还可以采用矩阵符号表示多元线性回归模型:
y=Xβ+ε
• 其中
11 12 … 1
21 22 … 2
y= ( ,…, ),X= ,β ( , ,…, ),ε ( ,…, )
1 ︙ ︙ ︙ ︙ 1 2 1
1 2 …
3.1 基本模型
多元线性回归本质上是一元线性回归的推广,它
的模型设定、参数估计及结果输出等
文档评论(0)