商务统计分析 第2版 第10章 多元线性回归.ppt

*10.5定性自变量——在模型中引入定性变量对于更复杂的定性变量，记定性变量的水平数为k，那么需要定义k-1个虚拟变量。例如，在研究某品牌电脑在各商店的销售数量时，管理人员认为付款方式也是影响销售数量的一个重要因素。因为有现金支付、刷卡支付、移动支付三种付款方式，所以需要定义2个虚拟变量。每个虚拟变量被定义为如下形式，*10.5定性自变量——在模型中引入定性变量在回归模型中引入定性变量有多种方式，各种方式对回归模型的影响不同。为了直观地阐释定类变量不同的引入方式对回归模型的影响，接下来以决定小时工资的基本模型进行说明（y：工资，x1：教育水平）。*10.5定性自变量——含有定性变量的回归（1）引入定性变量此时定性变量的不同取值改变的是模型的截距项，体现了性别和婚姻状况对小时工资的影响。将x2（性别）和x3（婚姻状况）引入基本模型（2）定性变量之间的交互作用*10.5定性自变量——含有定性变量的回归此时含有交互作用的定性变量的不同取值改变的也是模型的截距项，体现了性别和婚姻状况对小时工资的影响。将性别和婚姻状况的交互项x2x3引入模型*10.5定性自变量——含有定性变量的回归（3）定性变量与非定性变量的交互作用此时定性变量的不同取值不仅改变了模型的截距项，还改变了模型的斜率项，体现了性别在受教育回报上的差异。将教育水平和性别的交互项x1x2引入模型*例：中国进出口贸易总额数据（1950-1984）见表10-5-2。试检验改革开放前后该时间序列的斜率是否发生变化。（数据见表10-6中国进出口贸易总额数据（1950-1984））解：由于年份数据值较大，首先将其处理为时间x1列。定义虚拟变量x2如下：以时间x1为自变量，进出口贸易总额y为因变量，为了检验改革开放前后该时间序列的斜率是否发生变化，同时引入虚拟变量x2及其与时间的交互项x1x2。10.5定性自变量*10.5定性自变量统计软件输出的结果如表10-10和表10-11所示：表10-12模型的参数估计和检验表10-11方差分析表由上式可知，斜率项和截距项都发生了变化；于是得出结论：改革开放前后该时间序列的斜率发生了变化。因为各系数的估计值通过检验，所以估计结果如下：向前选择（forwardselection）：从模型没有自变量开始，逐个选入自变量。步骤如下：对于因变量y的k个自变量分别建立一元线性回归模型，对于这k个模型分别计算F统计量，将拥有最大且显著F统计量的模型的自变量选入模型；对剩余的k-1个自变量分别加入模型，计算F统计量，选择使F统计量最大且显著的自变量进入模型；反复以上过程，直到自变量均无统计显著性。*10.6变量选择与逐步回归——向前选择向后剔除（backwardelimination）：与向前选择法相反，从自变量全部进入模型开始，逐个剔除自变量。步骤如下：将所有k个自变量加入模型进行拟合，然后建立k个剔除一个自变量的回归模型，每个模型都含有k-1个自变量。计算k个模型的SSE，选择F统计量最小且不显著的自变量进行剔除；建立k-1个回归模型，每个模型中有k-2个自变量，比较每个模型增大的SSE值，选择F统计量最小且不显著的自变量进行剔除；反复以上过程，直到删除任何自变量SSE均有显著变化为止。*10.6变量选择与逐步回归——向后剔除逐步回归（stepwiseregression）：综合了向前选择和向后剔除两种方法进行自变量的选择。步骤如下：前两步与向前选择相同，但是在加入一个自变量之后，要对之前所有自变量进行考察，确定是否需要剔除变量。如果在增加了一个自变量后，之前的某个自变量对模型的作用不再显著，则需要剔除变量；反复进行这个过程，不断增加变量和剔除变量，直到增加变量不会导致SSE显著减小为止。*10.6变量选择与逐步回归——逐步回归*例：城镇居民的平均工资受多种因素的影响，如教育水平、直接投资、基础设施、外资开放度、第三产业增量，等等。为分析平均工资的影响因素，选取2016年31个省市的国家统计数据，如右表所示，用逐步回归法建立回归方程。省市编号平均工资教育水平直接投资基础设施外资开放度产业结构11199280.03474276.29540.07731.18430.80232863050.04173751.94970.09730.74580.56443553340.0208742.50880