回归分析总结.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。 主要知识点： 建立的回归模型中回归系数和误差项分别代表的含义： 回归系数 i (i  0,1,2 k ) 表示当其他 k  1个自变量不变时，第i 个自变量 一个单位因变量y 的平均变动量； 误差项 表示不能由各个自变量与y 之间的线性关系所解释的变异性。 利用软件用最小二乘法对参数进行估计的方法及步骤： 在 Excel 中使用“工具” “数据分析”  “回归”  输入数据区域 “确定”，即可得到各参数的估计值，此时便可以写出回归方程。 拟合优度的检验方法： 方法一：多重判定系数 2 SSR SSE 2 R   1 0  R  1 SST SST R2 表示在因变量y 的总变差中被估计的回归方程所解释的比例； 故R2 越大越好。 方法二：估计标准误差 2 (  ˆ  y y ) i i S e  n  k  1 S e 表示根据所建立的回归方程，用自变量来预测因变量时，平均 预测误差的大小； 故S e 越小越好，越小说明波动性越小。 用软件进行线性关系检验的方法： 在 Excel 中，在 “工具” “数据分析”  “回归”  方差分析一栏中 有 “SignificanceF”值（即 P 值），当p   时，拒绝原假设；当p   时，接受 原假设。 回归系数的检验： 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。 检验步骤：第 1 步：提出假设。对于任意参数 i (i  1,2 k ) 有 H 0 :  i  0 H 1 :  i  0 第 2 步：计算检验的统计量 t 。 ˆ  i ti  ~ t(n  k  1) S ˆ  i 第 3 步：做出统计决策。 给定显著性水平 ，根据自由度=n-k-1 查 t 分布表，得 t 2 的值。若 t  t 2 ，则拒绝原假设；若 t  t 2 ，则不拒 绝原假设。 多重共线性： 产生原因：自变量之间的相关性； 检验方法： 方法一：检验模型中各对自变量之间是否显著相关，若显著相关则暗示 存在多重共线性； 方法二：当模型的线性关系检验（F 检验）显著时，几乎所有回归系数