第二章多元回归分析.pptVIP

3.4多重共线性一、多重共线性及其所产生的问题二、多重共线性的判别三、多重共线性问题的处理第29页，共53页，星期日，2025年，2月5日一、多重共线性及其所产生的问题1.当自变量之间线性相关时，称自变量存在多重共线性.2.自变量存在多重共线性时，使的方差增大，从而使的取值变动大，甚至会出现反常值.1.当自变量之间线性相关时，称自变量存在多重共线性.2.自变量存在多重共线性时，使的方差增大，从而使的取值变动大，甚至会出现反常值.第30页，共53页，星期日，2025年，2月5日二、多重共线性的判别检测多重共线性的最简单的一种办法是计算自变量之间的相关系数并进行显著性检验.若有一个或多个相关系数显著，则表明自变量之间线性相关，即存在着多重共线性.第31页，共53页，星期日，2025年，2月5日例3.4根据例3.1的数据，检验自变量是否存在多重共线性.表3-3自变量之间的相关矩阵第32页，共53页，星期日，2025年，2月5日表3-4相关系数的t检验统计量第33页，共53页，星期日，2025年，2月5日三、多重共线性问题的处理剔除紧密相关且不重要的自变量，从而尽可能使自变量之间线性无关.第34页，共53页，星期日，2025年，2月5日例3.5根据例3.1的数据，对多重共线性进行处理.解：由于最小，首先剔除，建立y与的回归方程.又由于这时最小，且不显著.从而再剔除，建立y与的回归方程.这时,都是显著.第35页，共53页，星期日，2025年，2月5日包含x1、x2和x4的回归方程第36页，共53页，星期日，2025年，2月5日表3－5包含x1和x4的回归方程第37页，共53页，星期日，2025年，2月5日3.5利用回归方程进行估计和预测对自变量的一组取值根据样本回归方程用作为或的估计，称为点估计或点预测.第38页，共53页，星期日，2025年，2月5日第二章多元回归分析第1页，共53页，星期日，2025年，2月5日3.1多元线性回归模型一、多元回归模型与回归方程二、估计的多元回归方程三、参数的最小二乘估计第2页，共53页，星期日，2025年，2月5日一、多元回归模型与回归方程1.多元回归模型(multipleregressionmodel)称为多元线性回归模型1）.多元线性回归模型包含一个因变量与两个或两个以上自变量.2）.误差项ε为随机变量3）.为模型的参数，称偏回归系数.第3页，共53页，星期日，2025年，2月5日多元线性回归模型误差项ε的基本假定1.误差项ε是一个期望值为0的随机变量，即E(?)=0.2.误差项ε的方差都相等，即3.误差项服从正态分布，即第4页，共53页，星期日，2025年，2月5日2.多元回归方程(multipleregressionequation)称(3.2)为总体多元线性回归方程.表示当其他变量不变，而每变动一个单位时，E(y)相应的变动值.第5页，共53页，星期日，2025年，2月5日多元线性回归方程的直观解释1.表示保持不变时，每变动一个单位时的相应变化量.2.表示保持不变时，每变动一个单位时的相应变化量.考虑二元线性回归模型第6页，共53页，星期日，2025年，2月5日二、估计的多元回归的方程是未知参数，可以根据样本数据作估计.记的估计为，则称为估计的多元回归方程(estimatedmultipleregressionequation)或样本多元回归方程.第7页，共53页，星期日，2025年，2月5日三、参数的最小二乘估计使因变量的观察值y与估计值之间的离差平方和达到最小来求，即使达到最小.称为的最小二乘估计.第8页，共53页，星期日，2025年，2月