实用回归分析.ppt

关于实用回归分析第1页，共37页，星期日，2025年，2月5日5.1残差与残差图一、残差概念与残差图****一般认为，如果一个回归模型满足所给出的基本假定，所有残差应在e=0附近随机变化，并在变化幅度不大的一条带子内.****如果残差都落在变化幅度不大一条带子内，也就可以说明回归模型满足基本假设.第2页，共37页，星期日，2025年，2月5日5.1残差与残差图一、残差概念与残差图****y观测值的方差并非相同，随x增加而增加.【消除异方差】第3页，共37页，星期日，2025年，2月5日5.1残差与残差图一、残差概念与残差图****y与x之间并非线性关系.可能y与x是曲线关系可能y存在自相关第4页，共37页，星期日，2025年，2月5日5.1残差与残差图一、残差概念与残差图****蛛网现象(y具有自相关)第5页，共37页，星期日，2025年，2月5日5.2残差的性质一、残差的性质性质1E(ei)=0证明:第6页，共37页，星期日，2025年，2月5日5.2残差的性质一、残差的性质性质2称为杠杆值第7页，共37页，星期日，2025年，2月5日5.2残差的性质一、残差的性质性质3.残差满足约束条件:第8页，共37页，星期日，2025年，2月5日5.2残差的性质二、改进的残差第9页，共37页，星期日，2025年，2月5日5.3异常值与强影响值异常值分为两种情况：一种是关于因变量y异常；另一种是关于自变量x异常。第10页，共37页，星期日，2025年，2月5日5.3异常值与强影响值一、关于因变量y的异常值标准化残差学生化残差存在y的异常观测值，普通/标准化/学生化残差都不适用第11页，共37页，星期日，2025年，2月5日5.3异常值与强影响值第12页，共37页，星期日，2025年，2月5日5.3异常值与强影响值可以证明：第13页，共37页，星期日，2025年，2月5日5.3异常值与强影响值第14页，共37页，星期日，2025年，2月5日5.3异常值与强影响值二、关于自变量x的异常值回归的杠杆值hii也是表示自变量的第i次观测值与自变量平均值之间距离的远近。杠杆值大的样本点称为强影响点。第15页，共37页，星期日，2025年，2月5日5.3异常值与强影响值二、关于自变量x的异常值第16页，共37页，星期日，2025年，2月5日强影响点不一定是y的异常值点，不能单纯根据杠杆值hii的大小判断强影响点是否异常利用Cook距离，来判断强影响点是否为y的异常值点.5.3异常值与强影响值第17页，共37页，星期日，2025年，2月5日5.3异常值与强影响值三、异常值实例分析例5.1做异常值的诊断分析。分别计算普通残差ei，学生化残差SREi，删除残差e（i），删除学生化残差SRE（i），杠杆值chii，库克距离Di第18页，共37页，星期日，2025年，2月5日5.3异常值与强影响值第19页，共37页，星期日，2025年，2月5日5.3异常值与强影响值第20页，共37页，星期日，2025年，2月5日5.3异常值与强影响值RES-残差eDRE-删除残差ZRE-标准化残差SRE–学生化残差SREiSDR–删除学生化残差SRE(i)COO-库克距离DiiLEV-中心化杠杆值chii第21页，共37页，星期日，2025年，2月5日5.3异常值与强影响值第22页，共37页，星期日，2025年，2月5日5.3异常值与强影响值异常值原因异常值消除方法1.数据登记误差，存在抄写或录入的错误重新核实数据2.数据测量误差重新测量数据3.数据随机误差删除或重新观测异常值数据4.缺少重要自变量增加必要的自变量5.缺少观测数据增加观测数据，适当扩大自变量取值范围6.存在异方差采用加权线性回归7.模型选用错误，线性模型不适用改用非线性回归模型第23页，共37页，星期日，2025年，2月5日删除第19组数据第24页，共37页，星期日，2025年，2月5日5.3异常值与强影响值学生化删除残差、杠杆值、Cook距离——识别异常值采取的措施：1.不能简单的剔除，有时异常观测值是正确的，它说明回归模型的失败，失败的原因可能是遗漏了一个重要变量，或者选择了不正确的回归函数