《统计学—基于R》（第5版） 课件 第11章 多元线性回归（R5）.pptx

第 11 章多元线性回归11.1多元线性回归模型及其参数估计 11.2拟合优度和显著性检验11.3多重共线性及其处理11.4相对重要性和模型比较11.5利用回归方程进行预测11.6哑变量回归贾俊平多元线性回归 建模思路建模思路确定所关注的因变量和影响因变量的个自变量假定因变量与个自变量之间为线性关系，并建立线性关系模型对模型进行估计和检验判别模型中是否存在多重共线性，如果存在，进行处理利用回归方程进行预测对回归模型进行诊断?多元线性回归一个因变量同多个自变量的回归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）11.1多元线性回归模型及其参数估计 回归模型与回归方程?回归模型描述因变量依赖于自变量和误差项的方程称为多元线性回归模型，其一般形式可表示为 式中，是模型的参数；是误差项模型的假定正态性。是一个服从正态分布的随机变量，且期望值为0，即。这意味着对于给定的的值，y的期望值为方差齐性。对于自变量的所有值，的方差都相同独立性。对于自变量的一组给定值，它所对应的与与任意一组其他值所对应的不相关。同样，对于给定的的值，因变量是一个服从正态分布的随机变量11.1多元线性回归模型及其参数估计 回归模型与回归方程?估计的回归方程根据一般数据得到的回归模型估计。其一般形式为式中，为参数的估计量；为因变量的估计量。其中的为偏回归系数。表示当不变时，每改变一个单位因变量的平均改变量；表示当不变时，每改变一个单位因变量的平均改变量，其余偏回归系数的含义类似11.1多元线性回归模型及其参数估计 参数的最小二乘估计估计的回归方程多元线性回归模型中的参数仍然用最小二乘法来估计。也就是使残差平方和最小，即由此得到求解的标准方程组为???11.1多元线性回归模型及其参数估计 参数的最小二乘估计【例11-1】餐馆的营业额受多种因素影响，比如客流量、价格、交通便捷程度、服务水平、同业竞争者的数量等。为分析营业额的影响因素，一家市场调查公司在某城市随机抽取25家餐馆，调查得到的有关数据如表11-1 所示。建立多元线性回归模型，并解释各回归系数的含义=日均营业额（万元）=周边居民人数（万人）=用餐平均支出（元/人）=周边居民月平均收入（元）=周边餐馆数（个）=距市中心距离（km）?Call:lm(formula = y ~ x1 + x2 + x3 + x4 + x5, data = example11_1)?Coefficients: Estimate Std. Error t value Pr(|t|)(Intercept) 4.2604768 10.4679833 0.407 0.68856x1 0.1273254 0.0959790 1.327 0.20037x2 0.1605660 0.0556834 2.884 0.00952 **x3 0.0007636 0.0013556 0.563 0.57982x4 -0.3331990 0.3986248 -0.836 0.41362x5 -0.5746462 0.3087506 -1.861 0.07826 . 11.2拟合优度和显著性检验 模型的拟合优度多重决定系数多元线性回归中回归平方和占总平方和的比例，计算公式为度量了多元线性回归模型的拟合优度，它表示在因变量的总误差中被多个自变量共同所解释的比例?调整的多重决定系数避免增加自变量而高估，使用样本量和自变量的个数去调整，计算公式意义与 类似，数值小于??残差的标准误残差平方和的平方根，即残差的标准差多元回归模型中误差项的一个估计量计算公式为???11.2拟合优度和显著性检验 模型的显著性检验线性关系检验—F 检验线性关系检验是检验因变量与个自变量之间的关系是否显著，也称为整体显著性检验检验的具体步骤为第1步：提出假设：至少有一个不等于0第2步：计算检验统计量F第3步：做出决策。给定显著性水平，根据分子自由度，分母自由度计算出统计量的值。若，拒绝，表示与个自变量之间的线性关系显著?回归系数检验—t 检验检验每个自变量对因变量的影响是否都显著具体步骤如下第1步：提出假设；第2步：计算检验统计量第3步：做出决策。给定显著性水平，根据自由度计算出统计量的值。若，则拒绝，表示回归系数显著第2步：计算检验统计量F???11.2拟合优度和显著性检验 模型的显著性检验【例11-2】沿用例11-1。对回归模型的线性关系和回归系数分别进行显著性检验?检验回归系数提出的假设如下。对于任意参数：；：?检验回归系数提出的假设如下：；：，，，，，相应的显著性水平分别为0.2003