数学建模多元回归分析.pptVIP

第三节多元线性回归一.多元线性回归模型回归参数的估计回归方程的显著性检验回归系数的显著性检验多元线性回归的预测多元线性回归模型多元线性回归模型

（概念要点）一个因变量与两个及两个以上自变量之间的回归描述因变量y如何依赖于自变量x1，x2，…，xp和误差项?的方程称为多元线性回归模型涉及p个自变量的多元线性回归模型可表示为b0，b1，b2，?，bp是参数?是被称为误差项的随机变量y是x1,，x2，?，xp的线性函数加上误差项??说明了包含在y里面但不能被p个自变量的线性关系所解释的变异性多元线性回归模型

（概念要点）?对于n组实际观察数据(yi;xi1,，xi2，?，xip)，(i=1,2,…,n)，多元线性回归模型可表示为y1=b0+b1x11+b2x12+?+bpx1p+e1y2=b0+b1x21+b2x22+?+bpx2p+e2yn=b0+b1xn1+b2xn2+?+bpxnp+en{……多元线性回归模型

（基本假定）自变量x1，x2，…，xp是确定性变量，不是随机变量随机误差项ε的期望值为0，且方差σ2都相同误差项ε是一个服从正态分布的随机变量，即ε~N(0,σ2)，且相互独立多元线性回归方程

（概念要点）描述y的平均值或期望值如何依赖于x1，x1，…，xp的方程称为多元线性回归方程多元线性回归方程的形式为E(y)=?0+?1x1+?2x2+…+?pxpb1，b2，?，bp称为偏回归系数bi表示假定其他变量不变，当xi每变动一个单位时，y的平均平均变动值多元线性回归方方程的直观解释二元线性回归模型(观察到的y)回归面?0?ix1yx2(x1,x2)}多元线性回归的估计(经验)方程总体回归参数是未知的，利用样本数据去估计用样本统计量代替回归方程中的未知参数即得到估计的回归方程是估计值是y的估计值0102参数的最小二乘估计参数的最小二乘法

（要点）根据最小二乘法的要求，可得求解各回归参数的标准方程如下使因变量的观察值与估计值之间的离差平方和达到最小来求得。即回归方程的显著性检验多重样本决定系数

（多重判定系数R2）回归平方和占总离差平方和的比例反映回归直线的拟合程度取值范围在[0,1]之间R2?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差等于多重相关系数的平方，即R2=(R)2修正的多重样本决定系数

（修正的多重判定系数R2）由于增加自变量将影响到因变量中被估计的回归方程所解释的变异性的数量，为避免高估这一影响，需要用自变量的数目去修正R2的值用n表示观察值的数目，p表示自变量的数目，修正的多元判定系数的计算公式可表示为回归方程的显著性检验

（线性关系的检验）检验因变量与所有的自变量和之间的是否存在一个显著的线性关系，也被称为总体的显著性检验检验方法是将回归离差平方和(SSR)同剩余离差平方和(SSE)加以比较，应用F检验来分析二者之间的差别是否显著如果是显著的，因变量与自变量之间存在线性关系如果不显著，因变量与自变量之间不存在线性关系回归方程的显著性检验

（步骤）提出假设H0：?1??2????p=0线性关系不显著H1：?1，?2，?，?p至少有一个不等于02.计算检验统计量F3.确定显著性水平?和分子自由度p、分母自由度n-p-1找出临界值F?4.作出决策：若F?F?，拒绝H0；若FF?，接受H0回归系数的显著性检验

（要点）如果F检验已经表明了回归模型总体上是显著的，那么回归系数的检验就是用来确定每一个单个的自变量xi对因变量y的影响是否显著对每一个自变量都要单独进行检验应用t检验在多元线性回归中，回归方程的显著性检验不再等价于回归系数的显著性检验回归系数的显著性检验

（步骤）提出假设H0：bi=0(自变量xi与因变量y没有线性关系)H1：bi?0(自变量xi与因变量y有线性关系)计算检验的统计量t确定显著性水平?，并进行决策?