（54页PPT）wktmp统计学第八章相关与回归不带上机.pptVIP

第三节多元线性回归分析

一、多元线性回归模型假定因变量Y与自变量具有线性相关关系它们之间的线性回归模型可表示为（7.28）其中是k+1个未知参数，称为回归系数。回归系数表示在其它变量保持不变的情况下，自变量每变动一个单位时所引起的因变量Y的平均变动量(i=1,2,…,k)。称为随机项，同一元线性回归模型一样假定对一个实际问题，如果我们获得n组样本观测值(i=1,2,…,n)，则多元线性回归模型（7.28）式可表达为（7.29）和（7.30）二、模型参数的估计

由样本观测值（）(i=1,2,…,n)得到的估计量设为。则回归方程（7.30）的估计方程为(7.31)由最小二乘法可知，应使全部样本观测值与估计值的残差平方和最小。即使如下取最小值根据多元函数极值原理，是下列方程组的解将上述方程组整理成以下形式的正规方程组：其中：以上计算很多统计软件都可以通过计算机方便地得出结果三、回归方程的统计检验

与一元线性回归分析类似，在多元线性回归分析中也要对回归方程进行各方面的检验。（一）拟合优度检验同一元线性回归分析中拟合优度检验一样，将Y的总离差平方和SST分解为两部分：一部分为回归平方和SSR，另一部分为残差平方和SSE，即SST=SSE+SSR（7.36）（7.37）（7.38）（7.39）与一元线性回归分析相同，也是用判定系数作为回归方程拟合优度的评价指标。其定义为由（7.40）式可知。越大，表示回归方程与样本观测值拟合得越好；反之，回归方程与样本观测值拟合越差。当然我们总希望越大越好。但是，的大小受回归方程中自变量个数多少的影响，自变量个数越多，就会越接近1，就这样容一种错误：要使增大，增加模型中自变量的个数就行了。显然这样用来检验回归方程与样本观测值“拟合优度”是不合适的。为了消除自变量个数的影响，常采用调整的来判断拟合优度，调整的办法是用自由度进行修正。调整的判定系数定义为（7.41）（7.40）相关与回归分析教学目的了解相关分析的意义和作用掌握测定现象之间相关程度和建立回归模型的方法，能够理论联系实际，对相互联系、相互制约的社会经济现象进行科学的研究和预测。第一节简单线性相关分析

前面我们介绍的统计方法和应用都只是对单个变量来讨论的。事实上，很多事物间的关系是彼此相互影响、相互依赖的。因此，我们研究的问题和采用的统计方法不能只局限于单个变量，还应进一步考察两个或两个以上变量间的关系。本章所要阐述的相关分析与回归分析就是研究两个或两个以上变量之间关系的分析方法。一、变量之间的关系

（一）函数关系（也称确定性关系）

即变量之间存在着确定的依存关系。其特点是对于一个或一组变量的每一确定的值，另一个变量都有惟一确定的值与之对应，这种关系能用函数来表达。例如对于商品的销售额，当价格P不变时，销售额Y由销售量X惟一确定，X与Y具有一一对应的确定性关系，可以用这种函数来表达，这种关系就是函数关系。

（二）相关关系（也称非确定性关系）

即变量之间显然存在着密切的关系，但不是确定的依存关系。其特点是对于一个（或一组）变量的每一个确定的值，另一个变量有多个值与之对应，这种关系不能用普通函数来表达。例如单位面积上的粮食产量与施肥量有关，即在一定范围内，随着施肥量的增加，粮食产量也相应有所提高。但是施肥量相同时，产量也不相同，它是个随机变量，这种关系是不确定性的，不能用普通函数来表达，这种关系就是相关关系。在前面统计实例中，我们可以分析影响城乡居民收入的主要因素有经济发展、就业情况、消费情况等多种因素，他们之间的关系就是相关关系。

变量之间之所以呈现出相关关系，是由于影响一个变量的因素往往是很多的。例如单位面积上的粮食产量，除了与施肥量有关外，还受到品种、土质、降雨量等其它因素的影响，这就造成即使施肥量相同，其产量