第8章 多元线性回归与相关分析.ppt

多元线性回归与相关分析;第一节 多元线性回归分析;一、多元回归方程 多元回归或复回归(multiple regression)：依变数依两个或两个以上自变数的回归。 (一) 多元回归的线性模型和多元回归方程式 若依变数Y 同时受到m 个自变数X1、X2、…、Xm 的影响，且这m 个自变数皆与Y 成线性关系，则这m+1个变数的关系就形成m 元线性回归。 ;一个m元线性回归总体的线性模型为： 其中， ～N( 0， )。 一个m元线性回归的样本观察值组成为： ;一个m元线性回归方程可给定为： b0是x1、x2、…、xm 都为0时y 的点估计值；b1是by1·23…m 的简写，它是在x2，x3，…，xm 皆保持一定时，x1 每增加一个单位对y的效应，称为x2，x3，…，xm 不变(取常量)时x1 对y 的偏回归系数(partial regression coefficient) 。 ;(二) 多元回归统计数的计算;其中 b=A-1B (三) 多元回归方程的估计标准误 Qy/12…m 称为多元离回归平方和或多元回归剩余平方和，它反映了回归估计值和实测值y之间的差异。 最小 自由度： = n-(m+1) ;二、多元回归的假设测验;由于多元回归下 SSy 可分解为 Uy/12…m 和 Qy/12…m 两部分，Uy/12…m由 x1、x2、…、xm的不同所引起，具有 = m；Qy/12…m与 x1、x2、…、xm的不同无关，具有 =n-(m+1)，由之构成的F 值： ; (二) 偏回归关系的假设测验 ; 服从 的 t 分布，可测验 bi 的显著性。 ; 2. F 测验 (10·12) 就是y对xi的偏回归平方和， 。 (10·13) ;三、最优多元线性回归方程的统计选择;逐步回归(stepwise regression)：为了获得最优方程，回归计算就要一步一步做下去???直至所有不显著的自变数皆被剔除为止。 自变数统计选择的具体步骤为： 第一步：m个自变数的回归分析，一直进行到偏回归的假设测验。 ;第二步：m-1个自变数的回归分析，也是一直进行到 偏回归的假设测验。 第三步：m-2个自变数的回归分析，又一直进行到偏回归的假设测验。 ……如此重复进行，直至留下的所有自变数的偏回归都显著，即得最优多元线性回归方程。;四、自变数的相对重要性;通径系数 pi 统计意义是：若 Xi 增加一个标准差单位，Y 将增加(pi＞0)或减少(pi＜0)pi 个标准差单位。;第二节 多元线性相关分析;一、 多元相关;(一) 多元相关系数 在m个自变数和1个依变数的多元相关中，多元相关系数记作 Ry·12…m ，读作依变数y和m个自变数的多元相关系数。 Ry·12…m= （10·15） ;多元相关系数为多元回归平方和与总变异平方和