《多重回歸》ppt課件-文庫吧
2025-04-13 23:54 本頁面
【正文】 ..22110kk xbxbxbby ????? ...? 22110 bj為自變量 Xj 的 偏回歸系數(shù) （ partial regression coefficient），是 βj的估計(jì)值，表示當(dāng)方程中其他自變量保持常量時(shí)， 自變量 Xj變化 一個(gè)計(jì)量單位 ,反應(yīng)變量 Y的平均值變化 的單位數(shù)。 iiii SXXX??* 標(biāo)準(zhǔn)化偏回歸系數(shù) （ standardized partial regression coefficient），又稱為 通徑系數(shù) （ path coefficient）。標(biāo)準(zhǔn)化偏回歸系數(shù) b’j較大的自變量在數(shù)值上對(duì)反應(yīng)變量 Y的作用較大。 回歸參數(shù)的估計(jì)： ? 前提條件 ： LINE。 ? 最小二乘法 (least square method)。 ? 基本原理是：利用觀察或收集到的因變量和自變量的一組數(shù)據(jù)建立一個(gè)因變量關(guān)于自變量的線性函數(shù)模型，使得這個(gè)模型的理論值和觀察值之間的 殘差平方和 盡可能地小。 43210 3 4 6 0 0 0 0 6 5 0 0 4 4 0 0 1 1 6 1 1 4 1 6 xxxxy??????第二節(jié) 多重線性回歸的假設(shè)檢驗(yàn) 0:0:143210???????????不全為iHH表 13 2 檢驗(yàn)回歸方程整體意義的方差分析表 變異來源 自由度 SS MS F P 回歸模型 4 0 . 0 6 3 9 6 0 . 0 1 5 9 9 1 7 . 5 9 0 . 0 0 0 1 殘 差 19 0 . 0 1 7 2 7 0 . 0 0 0 9 0 9 0 3 總 變 異 23 0 . 0 8 1 2 3 表 132顯示， P ,拒絕 H0。說明從整體上而言，用這四個(gè)自變量構(gòu)成的回歸方程解釋空氣中 NO濃度的變化是 有統(tǒng)計(jì)學(xué)意義 的。 偏回歸系數(shù)的 t 檢驗(yàn) ? 偏回歸系數(shù)的 t 檢驗(yàn)是在回歸方程具有統(tǒng)計(jì)學(xué)意義的情況下 ， 檢驗(yàn)?zāi)硞€(gè)總體偏回歸系數(shù)等于零的假設(shè) ,以判斷是否相應(yīng)的那個(gè)自變量對(duì)回歸確有貢獻(xiàn) 。 H0: βi = 0 H1: βi ≠ 0 biibi Sbt ?表 13 3 偏回歸系數(shù)的 t 檢驗(yàn) 與 標(biāo)準(zhǔn)化偏回歸系數(shù) 變量 自由度 回歸系數(shù) 標(biāo)準(zhǔn)誤 t 值 P 值 標(biāo)準(zhǔn)化偏回歸系數(shù) 截距 1 0 . 1 4 1 6 6 0 . 0 6 9 1 6 2 . 0 5 0 . 0 5 4 6 0 X 1 1 0 . 0 0 0 1 1 6 1 9 0 . 0 0 0 0 2 7 4 8 4 . 2 3 0 . 0 0 0 5 0 . 5 9 2 4 9 X 2 1 0 . 0 0 4 4 9 0 . 0 0 1 9 0 2 . 3 6 0 . 0 2 8 9 0 . 2 7 2 7 4 X 3 1 0 . 0 0 0 0 0 6 5 5 0 . 0 0 0 6 9 0 8 3 0 . 0 1 0 . 9 9 2 5 0 . 0 0 1 1 0 X 4 1 0
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1