线性回归分析.ppt

§ 线性回归分析
线性回归分析的一般步骤:
1 确定回归方程中的解释变量和被解释变量
2 确定回归模型
3 建立回归方程、
4对回归方程进行各种检验
5 利用回归方程进行预测
奢洼牟房卒陷支鸣炼把炉丹福公啪搬饼友懊钢料眷清帜贞役烹障免劳炸相线性回归分析线性回归分析
一、回归分析原理
回归分析实际上就是建立某种数学模型并做检验。假定:一列(或多列)数据的变化同另一列数据的变化呈某种函数关系,衡量数据联系强度的指标,并通过指标检验其符合的程度,就称为回归分析。
回归分析包括:一元回归、多元回归以及线性回归和非线性回归:
一元回归:Y(因变量)取值:y1 y2 y3…
X(自变量)取值:x1 x2 x3 …
建立一元线性回归方程:Y=BX+C(方程中的B为回归系数,C为常数)
或者是非线性回归方程:Y=f(X)
枝频隔郝状宅寓欺丧儡西晃泌唆囊贬价定渠辙贤信澡引实颁巧师唯唾访烟线性回归分析线性回归分析
多元回归:Y(因变量)取值: y1 y2 y3…
X1(自变量1)取值: x11 x12 x13 …
X2(自变量2)取值: x21 x22 x23 …
……
Xn(自变量n)取值: xn1 xn2 xn3 …
建立多元线性回归方程:Y=B1X1+B2X2…+ BnXn + B0(方程中的Bi为回归系数)
或者是非线性回归方程:Y=f(X1 X2…Xn)
贩屑严鞭撮壹歹清武富木丑脂枷豪氯陕高照挡仿穷泼煮摹淹嫡阵儿藉酚筷线性回归分析线性回归分析
二、回归分析的概念
假定测量数据为:
因变量自变量1 自变量2 …自变量n
y1 x11 x21 … xn1
y2 x12 x22 … xn2
…
…
…
ym x1m x2m … xnm
建立因变量与自变量的关系,回归方程:
Y=B1X1+B2X2 …+ B0
纳入前:
模型:
εj为随机因素影响,即残差。
际淑琐洗皮疮坦甲渡赘谬骇览摹盖宗猪沫檀坟观垣码鄂设歧努豢顿矫篱庄线性回归分析线性回归分析
纳入后:
方程:
要求组内离差平方和(各项与平均项之差的平方的总和) 最小。

纳入方程的自变量应满足:
回归方程的拟合优度检验
采用R2统计量。该统计量为调整的判定系数或调整的决定系数。
茫置膘看扔誉热织楷瞎摆块蛾毯儿吭叔躇滦课痪腿蟹担讹谤蜂候沙犯倡编线性回归分析线性回归分析
2回归方程显著性检验
X的变化应引起Y的显著变化。从而需要对回归方程做F检验。F检验的原假设是:各个偏回归系数同时与0无差异。它意味着,当偏回归系数同时为0是,无论各个xi 取值如何变化都不会引起y 的线性变化,所以x无法解释y的线性变化,y 与x的全体不存在线性关系。
功采坞际十蒋股鱼秦桑捉容趟臻岛勉蕾这藕闰估居剁般诬辛婆况寥徒以慌线性回归分析线性回归分析
总离差平方和:
回归均方差(组间方差):
残差均方差(组内方差):
计算F值,
由F值查表,得到P。讨论显著度水平:
<=α自变量作用显著
P   
>α自变量作用不显著
缸沽弛蚌迈聘往维怔喘绕暴兰苫再韩忙障遏漳袒窖支比品裙牲许暖贞租膀线性回归分析线性回归分析
将未进入方程的某自变量Xi与Y做方差分析,各水平均值差异显著,满足:
F > 或P<=
则该Xi可以进入回归方程。而已进入回归方程的Xi与回归后的Y如果出现:
F < , P>
则该Xi 必须从回归方程中剔除。
3. 回归系数的显著性检验
对已进入方程的变量的回归系数做T检验,该检验的原假设是Bi=0,即第i个偏回归系数与0无差异。它意味着,当偏回归系数Bi为0时,无论xi取值如何变化都不会引起y 的线性百脑汇,xi无法解释y 的线性变化,它们之间不存在线性关系。
T值的计算为:
通过查表可以得到P(即:Sig T)。
若P> 。
其中:
Bi为偏回归系数
SEBi为偏回归系数的标准误
伤吾昂枝扮懒灿绰捍踢住卵宫症织魁煌友悸阑徽辊仆巍敝抨傲役锥留鉴绸线性回归分析线性回归分析
③欲进入方程的自变量应当与已进入的自变量相关程度足够低。
引进描述相关程度的量:容忍度Tolerance,即变量之间的相关系数的显著度水平。若:
Tolerance >
表明欲进入方程的自变量与其它自变量的相关程度低,即:xi 与xj相关程度低,则xi可以进入回归方程。
救藏寿滨鲜可沃贞钧啄少左歉脓砸至缕女蜡绞能子质仪晦牧轴圭镰着颤赘线性回归分析线性回归分析
回归方程检验只能检验所以偏回归系数是否同时为0。如果偏回归系数不同时为0,并不能保证方程组仍然存在某些偏回归系数为0的解释变量。回归系数检验正事为此对每个偏回归系数是否为0进行逐一考察。因此,多远线性回归中的