逐步回归分析.ppt

第六章;在水文、气象、地震等预报工作中，以及进行人文地理、经济地理要素分析的时候，常需选出对研究变量y（即因变量或预报量）有影响的因子（即自变量）。众多的因素中可能有些对y有显著影响，有些则影响很小。 前面我们曾指出，在建立多元线性回归预测模型后，不但必须对预测方程进行显著性检验，还必须对每一个回归系数，即考虑的每一个影响因素，进行显著性检验。;回归系数的显著性检验 　　前面讨论了回归方程中全部自变量的总体回归效果, 但总体回归效果显著并不说明每个自变量对因变量 都是重要的, 即可能有某个自变量 对并不起作用或者能被其它的的作用所代替, 因此对这种自变量我们希望从回归方程中剔除, 这样可以建立更简单的回归方程。;一.最优回归方程的选择;设有y与x1,x2,x3,x4的一组观测数据,如下表所示:;逐步回归预测数学模型; 逐步回归分析正是根据这种原则提出来的一种回归分析方法。 它的主要思路是在考虑的全部自变量中按其对的作用大小, 显著程度大小或者说贡献大小, 由大到小地逐个引入回归方程, 而对那些作用不显著的变量可能始终不被引人回归方程。 另外, 己被引人回归方程的变量在引入新变量后也可能失去重要性, 而需要从回归方程中剔除出去。 引人一个变量或者从回归方程中剔除一个变量都称为逐步回归的一步, 每一步都要进行检验, 以保证在引人新变量前回归方程中只含有对影响显著的变量, 而不显著的变量已被剔除 。;逐步回归步骤;二、引入变量与剔除变量的依据;逐步回归分析数学模型;;第六章;在水文、气象、地震等预报工作中，以及进行人文地理、经济地理要素分析的时候，常需选出对研究变量y（即因变量或预报量）有影响的因子（即自变量）。众多的因素中可能有些对y有显著影响，有些则影响很小。 前面我们曾指出，在建立多元线性回归预测模型后，不但必须对预测方程进行显著性检验，还必须对每一个回归系数，即考虑的每一个影响因素，进行显著性检验。;回归系数的显著性检验 　　前面讨论了回归方程中全部自变量的总体回归效果, 但总体回归效果显著并不说明每个自变量对因变量 都是重要的, 即可能有某个自变量 对并不起作用或者能被其它的的作用所代替, 因此对这种自变量我们希望从回归方程中剔除, 这样可以建立更简单的回归方程。;一.最优回归方程的选择;设有y与x1,x2,x3,x4的一组观测数据,如下表所示:;逐步回归预测数学模型; 逐步回归分析正是根据这种原则提出来的一种回归分析方法。 它的主要思路是在考虑的全部自变量中按其对的作用大小, 显著程度大小或者说贡献大小, 由大到小地逐个引入回归方程, 而对那些作用不显著的变量可能始终不被引人回归方程。 另外, 己被引人回归方程的变量在引入新变量后也可能失去重要性, 而需要从回归方程中剔除出去。 引人一个变量或者从回归方程中剔除一个变量都称为逐步回归的一步, 每一步都要进行检验, 以保证在引人新变量前回归方程中只含有对影响显著的变量, 而不显著的变量已被剔除 。;逐步回归步骤;二、引入变量与剔除变量的依据;逐步回归分析数学模型;;