逐步回归分析概要.pptxVIP

会计学第1页/共37页（1）均方误差s2最小达到最小 （2）预测均方误差最小达到最小 （3）统计量最小准则达到最小 第2页/共37页（4）AIC或BIC准则或 达到最小 准则（5）修正达到最大 第3页/共37页4.6.2 选择最优回归子集的方法（1）选择最优子集的简便方法： 逐步筛选法（STEPWISE） 向前引入法或 前进法（FORWARD） 向后剔除法或后退法（BACKWARD）（2）计算量最大的全子集法：R2选择法（RSQUARE）Cp选择法（CP）修正R2选择法（ADJRSQ）。 第4页/共37页（3）计算量适中的选择法： 最小R2增量法（MINR）最大R2增量法（MAXR）4.6.3逐步回归的基本思想与步骤基本思想：逐个引入自变量，每次引入对y影响最显著的自变量，并对方程中的老变量逐个进行检验，把变得不显著的变量逐个从方程中剔除，最终的回归方程中既不漏掉对y影响显著的变量，又不包含对y影响不显著的变量。第5页/共37页4.6.3.1前进法（FORWARD）原理：事先给定挑选自变量进入方程的显著性水平，按自变量对因变量y的贡献由大到小依次挑选自变量进入方程，直到方程外没有显著的自变量可引入为止。该方法的特点是：自变量一旦被选入，就永远保留在模型中。第6页/共37页图4.1 逐步回归的基本步骤第7页/共37页步骤（1）将全部m个自变量，分别与因变量y建立 一元回归方程；（2）分别计算这m个一元回归方程中回归系数 的检验统计量F，记为： ， 取最大值 ， 若 ，停止筛选； 若 ，选入 ，不 妨设 是 ，进入步骤（3）； 第8页/共37页（3）分别将自变量组 ， ， …， 与因变量y建立二元回归方程，计算回归方程中x2，x3，…，xm的回归系数检验统计量F，记为： ，取其最大值 ，若则停止筛选，y与 x1之间的回归方程就是最优的回归方程；若 ，选进xk2 ，不妨设xk2是 x2，进入步骤（4）。第9页/共37页（4）对已经选入模型的变量，x1，x2，如同前 面的方法做下去，直到所有未被选入模型 的自变量的F值都小于相应的临界值为止， 这时的回归方程就是最优回归方程。前进法的一般步骤：假设已进行了l步筛选，并选入自变量x1，x2，…xl，现进行第l+1步筛选： 分别将自变量组 ， ，…， 与y建立l+1元回归方程；回归第10页/共37页方程中 的回归系数检验统计量记为： ，记若 ，停止筛选 ，上一步得到的回归方程，即为最优的回归方程； 若 ，将 选进模型，进行下一步筛选。 前进法的缺点：不能反映自变量选进模型后的变化情况 。第11页/共37页4.6.3.2 后退法（BACKWARD）原理：事先给定从方程中剔除自变量的显著性水平，开始全部自变量都在模型中，然后按自变量对y的贡献由小到大依次剔除，直至方程中没有不显著的变量可剔除为止。 该方法的特点是：自变量一旦被剔除，就不再进入模型， 第12页/共37页（1）建立全部自变量x1，x2，…，xm对因变量y的回归方程，对方程中m个自变量的回归系数b1，b2，…，bm进行F检验，相应的F值记为： ，取最小值若 ，没有自变量可剔除，此时的回归方程就是最优的回归方程；若 ，剔除xk1，不妨设xk1是xm，进入步骤（2）。 第13页/共37页（2）建立x1，x2，…，xm-1与因变量y的回归方程 ，对方程中自变量的回归系数进行F检验，相应的F值记为： ，取最小值 ，若则无自变量可剔除，此时的回归方程即最优的回归方程； 若 ，将xk2 从模型中剔除，不妨设xk2就是xm-1，进入步骤（3）；第14页/共37页（3）重复前面的做法，直至回归方程中各变量回归系数的F值均大于临界值，即方程中没有变量可剔除为止，此时的回归方程就是最