多元回歸模型與建模-文庫吧
2025-01-29 20:59 本頁面
【正文】 。2 殘差 7 總計(jì) 9 Here:SSR=,SSE=,SST=.系數(shù)估計(jì)和檢驗(yàn)Coefficients標(biāo)準(zhǔn)誤差 tStat pvalueIntercept 行駛距離 (英里 ) 運(yùn)送貨物次數(shù) 3/11/2023 12AppliedStatforMBA05D1 (Multicollinearity)(1)巴特勒運(yùn)輸公司例題的修改行駛距離 運(yùn)送貨物次數(shù) (修改數(shù) ) 行駛時(shí)間100 4(4)50 3(2) 1004(4) 100 2(4) 50 2(2) 80 2(3) 75 3(3)654(3) 6903(4) 90 2(4) 3/11/2023 13AppliedStatforMBA05D1(2)巴特勒運(yùn)輸公司例題的回歸結(jié)果? 一元回歸方程? 二元回歸方程? 運(yùn)輸次數(shù)修改后的二元回歸方程 (F檢驗(yàn) p值： )? *括弧內(nèi)表示系數(shù)的 p值 。3/11/2023 14AppliedStatforMBA05D1(3)多重共線性問題討論巴特勒運(yùn)輸回歸結(jié)果說明 :增加解釋變量不會(huì)降低 R2的值 ,但是adjR2的值卻會(huì)降低 .前兩個(gè)回歸方程的系數(shù) p值都很低 (說明甚麼 ?),后一個(gè)修改運(yùn)輸次數(shù)的二元回歸的兩個(gè)系數(shù) p值都很高 ,以至通不過檢驗(yàn) .但是后一個(gè)方程總體 檢驗(yàn)的 F值的 p值卻為 ( )原因是修改運(yùn)輸次數(shù)數(shù)據(jù) ,使得 x1, x2的相關(guān)系數(shù)由 ,發(fā)生了共線性 .自變量發(fā)生多重共線性 ,會(huì)出現(xiàn)一些 (甚至全部 )變量通不過檢驗(yàn) ,但是方程總體檢驗(yàn)卻能通過 .此時(shí)的解釋變量系數(shù)估計(jì)值很不可靠 .經(jīng)驗(yàn)表明：解釋變量數(shù)據(jù)彼此的相關(guān)系數(shù)絕對(duì)值大于 ,回歸結(jié)果就不可信 ,處理辦法就是剔除 p值高的變量 .對(duì) 2個(gè)以上解釋變量 ,自變 量的相關(guān)矩陣和方差膨脹因子 (Variance Inflation Factors,簡(jiǎn)記作 VIF)是識(shí)別多重共線性的有效方法 ,有專門軟件加以精確檢驗(yàn) .3/11/2023 15AppliedStatforMBA05D1使用計(jì)算機(jī)軟件產(chǎn)生回歸模型；通過檢驗(yàn)判斷你的模型； 直接利用模型可以預(yù)測(cè)自變量 (x01,x02,… ,x0p)對(duì)應(yīng)的因變量期望值 E(y0)的估計(jì) 預(yù)測(cè) E(y0)和 y0的 置信區(qū)域需要某些專門軟件。3/11/2023 16AppliedStatforMBA05D1 殘差分析? 多元回歸的殘差分析作用方法和一元基本相同。? 主要的差異在于 :多自變量的觀測(cè)值的杠桿率 hi的計(jì)算比較復(fù)雜 ,需要使用專門軟件。? 回歸分析建模應(yīng)用中可以看到殘差分析的應(yīng)用3/11/2023 17AppliedStatforMBA05D1二 、 定性自變量 (Qualitative Independent Variable)1 . 虛擬變量 (Dummyvariable)方差分析中定性變量的解決方案：引入因子，處理?；貧w分析的解決方案：引入虛擬變量如何定義虛擬變量？ 例： x2=0 (女性）， x2=1（男性）如何解釋回歸模型？ 期望值模型為： 女性 : 男性 : 截距變化，斜率相同。3/11/2023 18AppliedStatforMBA05D1Johnson公司對(duì)遍布南弗羅里達(dá)州的水過濾系統(tǒng)提供維修服務(wù)。為了估計(jì)服務(wù)時(shí)間和成本，公司希望能夠?qū)︻櫩偷拿恳淮尉S修請(qǐng)求預(yù)測(cè)必要的維修時(shí)間。他們收集的數(shù)據(jù)中包含就近一次維修至今的時(shí)間（月數(shù)）、故障的類型（電子和機(jī)械）以及相應(yīng)的維修時(shí)間（小時(shí)）。160
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1