多元回归补充.pptVIP

第十章多元线性回归第十章多元线性回归多元回归补充第1页，共40页，星期日，2025年，2月5日多元线性回归分析：研究因变量（被解释变量）与两个或两个以上自变量（解释变量）之间的回归问题，称为多元回归分析。多元线性回归分析的定义线性回归自变量个数大于等于2多元线性回归第2页，共40页，星期日，2025年，2月5日10.1多元线性回归模型b0为常数项,b1,…,bk为偏回归系数，表示在其它自变量保持不变时，增加或减少一个单位时Y的平均变化量，u是去除m个自变量对Y影响后的随机误差（残差）。多元线性回归的基本理论第3页，共40页，星期日，2025年，2月5日10.1多元线性回归模型将n个观察数据代入上述模型，则问题转化为：多元线性回归的基本理论(10-1)第4页，共40页，星期日，2025年，2月5日10.1多元线性回归模型多元线性回归的基本理论写为矩阵形式：(10-2)第5页，共40页，星期日，2025年，2月5日10.1多元线性回归模型多元线性回归的基本理论即：(10-3)其中，Y,u是n维向量，b是k维向量，x是m×k矩阵第6页，共40页，星期日，2025年，2月5日10.1多元线性回归模型多元线性回归的基本理论基本假定：①②第7页，共40页，星期日，2025年，2月5日10.1多元线性回归模型多元线性回归的基本理论③④第8页，共40页，星期日，2025年，2月5日10.2参数的最小二乘估计采用最小二乘估计回归系数b令：取最小值第9页，共40页，星期日，2025年，2月5日10.2参数的最小二乘估计Q在最小值处偏导数为0，得：（10-4）采用最小二乘估计回归系数b第10页，共40页，星期日，2025年，2月5日10.2参数的最小二乘估计采用最小二乘估计回归系数b（10-5）整理得：求解该联立方程组即可得第11页，共40页，星期日，2025年，2月5日第12页，共40页，星期日，2025年，2月5日10.3回归方程的显著性检验假设求得的回归方程为：10.3.1总离差平方和分解第13页，共40页，星期日，2025年，2月5日10.3.1总离差平方和分解同一元回归，可得：并且：（10-6）第14页，共40页，星期日，2025年，2月5日10.3.1总离差平方和分解总离差平方和：即是：回归平方和：残差平方和：第15页，共40页，星期日，2025年，2月5日10.3.2样本决定系数对回归方程“拟合优度”

的检验样本决定系数Ｒ２，又称复决定系数，或多重决定系数。定义：样本决定系数Ｒ２第16页，共40页，星期日，2025年，2月5日10.3.2样本决定系数对回归方程“拟合优度”

的检验样本容量增大(n↑)R2也随之增大(R2↑)R2的大小很难说明问题Ｒ２存在的问题第17页，共40页，星期日，2025年，2月5日10.3.2样本决定系数对回归方程“拟合优度”

的检验R2的改进当n为小样本，解释变量数很大时，上式可能为负数，这时取其值为0。R2与均反映在给定样本下，回归方程与样本观测值拟合优度，但不能据此进行总体模型的推断。Ｒ２改进第18页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验第19页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验检验的目的：检验Y与解释变量x1，x2，……xk之间的线性关系是否显著。检验的目的第20页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验检验的步骤第一步，提出假设：原假设：H0：b1=b2=……bk=0备择假设：H1：bi不全为0（i=1，２，…，k）第21页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验检验的步骤第二步，计算统计量：或：（10-8）第22页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验第三步，查表，得：检验的步骤第23页，共40页，星期日，2025年，2月5日10.3.3回归方程的显著性检验检验的步骤第四步，做检验：拒绝H0，回归方程显著接受H0，回归方程不显著检验法则第24页，共40页，星期日，2025年，2月5日10.4回归系数的显著性检验回归方程显著，并不意味着每个解释变量对因变量Y的影响都重要,因此需要进行检验：回归系数检验的必要性回归