统计检验分析第七章详解演示文稿.pptVIP

统计检验分析第七章详解演示文稿 当前第1页\共有41页\编于星期二\13点 优选统计检验分析第七章 当前第2页\共有41页\编于星期二\13点 Multivariate linear regression的概念 多元线性回归分析也称复线性回归分析（multiple linear regression analysis），它研究一组自变量如何直接影响一个因变量。 自变量（independent variable）是指独立自由变量的变量，用向量X表示； 因变量（dependent variable)是指非独立的、受其它变量影响的变量，用向量Y表示。 当前第3页\共有41页\编于星期二\13点 多元回归分析数据格式 当前第4页\共有41页\编于星期二\13点 内 容 一、一元线性回归和多元线性回归的例子 二、多元线性回归方程模型 三、多元线性回归分析的步骤 四、逐步回归分析 当前第5页\共有41页\编于星期二\13点 一、一元线性回归和多元线性回归的例子 例1，一元线性回归 当前第6页\共有41页\编于星期二\13点 第二步运行结果 当前第7页\共有41页\编于星期二\13点 当前第8页\共有41页\编于星期二\13点 例2，多元线性回归 当前第9页\共有41页\编于星期二\13点 当前第10页\共有41页\编于星期二\13点 第二步运行结果 当前第11页\共有41页\编于星期二\13点 当前第12页\共有41页\编于星期二\13点 假定因变量Y与自变量 间存在如下关系： 式中， 是常数项， 称为偏回归系数（partial regression coefficient）。 的含义为在其它自变量保持不变的条件下，自变量 改变一个单位时因变量Y 的平均改变量。 为随机误差，又称残差（residual），它表示 的变化中不能由自变量 解释的部分。 二、多元线性回归方程模型 当前第13页\共有41页\编于星期二\13点 x1 x2 y 当前第14页\共有41页\编于星期二\13点 应用条件： 注意：虽然模型要求因变量是连续数值变量，但对自变量的类型不限。若自变量是分类变量，特别是无序分类变量，要转化为亚变量才能分析。对于自变量是分类变量的情形，需要用广义线性回归模型分析。 当前第15页\共有41页\编于星期二\13点 三、多元线性回归分析的步骤 （一）估计各项参数，建立多元线性回归方程模型 （二）对整个模型进行假设检验，模型有意义的前提下，再分别对各偏回归系数进行假设检验。 （三）计算相应指标，对模型的拟合效果进行评价。 当前第16页\共有41页\编于星期二\13点 （一）模型的参数估计 当前第17页\共有41页\编于星期二\13点 27名糖尿病患者的血清总胆固醇（x1）、甘油三酯（x2）、空腹胰岛素（x3）、糖化血红蛋白（x4）、空腹血糖（y）的测量值列于表中，试建立血糖与其它几项指标关系的多元线性回归方程。 例3 当前第18页\共有41页\编于星期二\13点 各变量的离差矩阵 当前第19页\共有41页\编于星期二\13点 线性回归方程模型为： 当前第20页\共有41页\编于星期二\13点 1、对模型的假设检验—F检验 2、对偏回归系数的假设检验—F检验和t 检验 3、标准化偏回归系数 （二）对模型及偏回归系数的假设检验 当前第21页\共有41页\编于星期二\13点 1、对模型的假设检验—F检验 当前第22页\共有41页\编于星期二\13点 SS回归=b1l1y+ b2l2y + b3l3y + b4l4y =0.1424×67.6962+0.3515×89.8025+0.2706×142.4347+0.6382×84.5570 =133.7107； ν回归=m=4 各变量的离差矩阵 接例3 当前第23页\共有41页\编于星期二\13点 SS总=lyy=222.5519；ν总=n-1=26 SS剩余= SS总- SS回归=222.5519-133.7107=88.8412 ν剩余=n-m-1=22 MS回归= SS回归/ν回归； MS剩余= SS剩余/ν剩余； F= MS回归/ MS剩余 当前第24页\共有41页\编于星期二\13点 模型有意义 当前第25页\共有41页\编于星期二\13点 2、对偏回归系数的假设检验—F检验和t 检验 回归方程成立只能认为总的来说自变量与因变量间存在线性关系，但是否每一个自变量