回歸分析二ppt課件(已修改)
2025-01-31 21:07 本頁(yè)面
【正文】 回歸分析 (二 ) 多元線(xiàn)性回歸 第一節(jié) 多元線(xiàn)性回歸模型 第二節(jié) 回歸方程的擬合優(yōu)度 第三節(jié) 顯著性檢驗(yàn) 第四節(jié) 多重共線(xiàn)性與殘差分析 第五節(jié) 利用回歸方程進(jìn)行估計(jì)和預(yù)測(cè) 第六節(jié) 虛擬自變量的回歸 第一節(jié) 多元線(xiàn)性回歸模型 一. 多元回歸模型與回歸方程 二. 估計(jì)的多元回歸方程 三. 參數(shù)的最小二乘估計(jì) 多元回歸模型與回歸方程 多元回歸模型 (multiple regression model) 1. 一個(gè)因變量與兩個(gè)及兩個(gè)以上自變量的回歸 2. 描述因 變量 y 如何依賴(lài)于自變量 x1 ， x2 ， … ， xp 和誤差項(xiàng) ? 的方程 ， 稱(chēng)為多元回歸模型 3. 涉 及 p 個(gè)自變量的多元回歸模型可表示為 ? b0 ， b1， b2 ， ? ， bp是參數(shù) ? ? 是被稱(chēng)為誤差項(xiàng)的隨機(jī)變量 ? y 是 x1,， x2 ， ? ， xp 的線(xiàn)性函數(shù)加上誤差項(xiàng) ? ? ? 包含在 y里面但不能被 p個(gè)自變量的線(xiàn)性關(guān)系所解釋的變異性 ipipii xxxy ?bbbb ?????? ?22110多元回歸模型 (基本假定 ) 1. 誤 差項(xiàng) ε是一個(gè)期望值為 0的隨機(jī)變量 ， 即E(?)=0 2. 對(duì)于 自變量 x1， x2， … ， xp的所有值 ， ?的方差 ?2都相同 3. 誤 差項(xiàng) ε是一個(gè)服從正態(tài)分布的隨機(jī)變量 ，即 ε~N(0,?2)， 且相互獨(dú)立 多元回歸方程 (multiple regression equation) 1. 描 述因變量 y 的平均值或期望值如何依賴(lài)于自變量 x1， x2 ， … ， xp的方程 2. 多 元線(xiàn)性回歸方程的形式為 3. E( y ) = b0+ b1 x1 + b2 x2 +… + bp xp ? b1， b2， ? ， bp稱(chēng)為偏回歸系數(shù) ? bi 表示假定其他變量不變 ， 當(dāng) xi 每變動(dòng)一個(gè)單位時(shí) ， y 的平均平均變動(dòng)值 二元回歸方程的直觀(guān)解釋 二元線(xiàn)性回歸模型 ?bbb ???? 22110 xxy(觀(guān)察到的 y) 22110)( xxyE bbb ???回歸面 b0 ?i x1 y x2 (x1,x2) } 估計(jì)的多元回歸方程 估計(jì)的多元回歸的方程 (estimated multiple regression equation) ? 是 估計(jì)值 ? 是 y 的估計(jì)值 pbbbb ?,?,?,? 210 ?pbbbb , 210 ?pp xxxy bbbb ????? 22110 ????? ?pbbbb ?,?,?,? 210 ? pbbbb , 210 ?y?1. 用樣本統(tǒng)計(jì)量 估計(jì)回歸方程中的 參數(shù) 時(shí)得到的方程 2. 由最小二乘法求得 3. 一般形式為 參數(shù)的最小二乘估計(jì) 參數(shù)的最小二乘法 2. 求 解 各回歸參數(shù)的標(biāo)準(zhǔn)方程如下 ????????????????),2,1(00??000piiii?bbbbbb1. 使 因變量的觀(guān)察值與估計(jì)值之間的離差平方和達(dá)到最小來(lái)求得 。 即 pbbbb ?,?,?,? 210 ?參數(shù)的最
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1