回归分析简答题.pdfVIP

回归分析简答题 1、 作多元线性回归分析时， 自变量与因变量之间的影响关系一定是线性形式的 吗？多元线性回归分析中的线性关系是指什么变量之间存在线性关系？ 答：作多元线性回归分析时， 自变量与因变量之间的影响关系不一定是线性形式。 当自变量与因变量是非线性关系时可以通过某种变量代换，将其变为线性关系， 然后再做回归分析。 多元线性回归分析的线性关系指的是随机变量间的关系， 因变量 y 与回归系数β i 间存在线性关系。 多元线性回归的条件是： （1）各自变量间不存在多重共线性； （2）各自变量与残差独立； （3）各残差间相互独立并服从正态分布； （4）Y 与每一自变量 X 有线性关系。 2、 回归分析的基本思想与步骤 基本思想： 所谓回归分析， 是在掌握大量观察数据的基础上， 利用数理统计方法建立因变量 与自变量之间的回归关系函数表达式（称回归方程式） 。回归分析中，当研究的 因果关系只涉及因变量和一个自变量时， 叫做一元回归分析； 当研究的因果关系 涉及因变量和两个或两个以上自变量时， 叫做多元回归分析。 此外，回归分析中， 又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的， 分为线性回归分析和非线性回归分析。通常线性回归分析法是最基本的分析方 法，遇到非线性回归问题可以借助数学手段化为线性回归问题处理。 步骤： 1）确定回归方程中的解释变量和被解释变量。 2 ）确定回归模型 根据函数拟合方式，通过观察散点图确定应通过哪种数学模型来描述回归 线。如果被解释变量和解释变量之间存在线性关系， 则应进行线性回归分析， 建 立线性回归模型； 如果被解释变量和解释变量之间存在非线性关系， 则应进行非 线性回归分析，建立非线性回归模型。 3 ）建立回归方程 根据收集到的样本数据以及前步所确定的回归模型，在一定的统计拟合准 则下估计出模型中的各个参数，得到一个确定的回归方程。 4 ）对回归方程进行各种检验 由于回归方程是在样本数据基础上得到的，回归方程是否真实地反映了事 物总体间的统计关系，以及回归方程能否用于预测等都需要进行检验。 5 ）利用回归方程进行预测 3、 多重共线性问题、不良后果、解决方法 多重共线性是指线性回归模型中的自变量之间由于存在精确相关关系或高度相 关关系而使模型估计失真或难以估计准确。 常见的是近似的多重共线性关系， 即 1 / 5 回归分析简答题 存在不全为 0 的p 个常数 C1 2 1 i1 2 i2 ,C , …,Cp 使得 C X +C X +…+CpXip ≈0,i=1,2, …n 不良后果：模型存在完全的多重共线性，则资料阵 X 的秩p+1，从而无法得到 回归参数的估计量。对于近似多重共线性情况，虽有 r(X)=p+1 ，但|XTX| ≈0，从 而矩阵（ XT X ）-1 的主对角线上的元素很大，使得估计的参数向量的协方差阵的 对角线上的元素也很大，导致普通最小二乘参数估计量并非有效。 检验方法：方差扩大因子（ VIF ）法和特征根判定法 方差扩大因子表达式为： VIF i =1/(1-Ri2)，其中 Ri 为自变量 xi 对其余自变量作回 归分析的复相关系数。当 VIF i 很大时，表明自变量间存在多重共线性。 解决方法： 当发现自变量存在严重的多重共线性时， 可以通过剔除一些不重要的 自变量