多元回歸問題分析(文件)
【正文】 ξ i)=0v隨機誤差項服從零均值，同方差的正態(tài)分布 ξ i～ N（ 0， σ2）v二、建立回歸方程v設(shè)v令 即v 三、多元線性回歸模型的建模方法v v regression liner （ 1） enter:強迫進入法 （ 2） stepwise:逐步選擇法 （ 3） remove:強迫消除法 （ 4） backward:向后剔除法 （ 5） forward:向前引入法v 回歸統(tǒng)計量 （ 1） estimates:顯示回歸系數(shù)及相關(guān)的指標 （ 2） confidence intervals:顯示未標準化回歸系數(shù)的置信區(qū)間 （ 3） covariance matrix: 未標準化回歸系數(shù)的方差 — 協(xié)方差矩陣 （ 4） model fit:模型檢驗v 回歸統(tǒng)計量 （ 5） R squared change （ 6） descriptive:顯示變量的均值、標準差等 （ 7） Part and partial correlations: （ 8） collinearity diagnostics:共線性診斷 （ 9） Durbon_waston:舉例（一）v根據(jù)我國某地區(qū)鄉(xiāng)鎮(zhèn)企業(yè)總產(chǎn)值、從業(yè)勞動者人數(shù)和固定資產(chǎn)原值的歷年資料，求回歸方程。試根據(jù)歷史資料建立回歸方程。v 回歸方程的擬合優(yōu)度檢驗就是要檢驗樣本數(shù)據(jù)點聚集在回歸直線周圍的密集程度，從而評價回歸方程對樣本數(shù)據(jù)的代表程度。v其它變量被固定后，計算任意兩個變量之間的相關(guān)系數(shù)，這種相關(guān)系數(shù)稱為 偏相關(guān)系數(shù) 。vPart correlation:部分相關(guān)，在排除了其他自變量對 xi的影響后，當一個自變量進入模型后，復相關(guān)系數(shù)的平方增加量。v 返回樣本奇異值的診斷：v樣本奇異值是樣本數(shù)據(jù)中那些遠離均值的樣本數(shù)據(jù)點。v 如果殘差序列和預測值的平方根成正比例變化，可以對因變量作開方處理；如果殘差序列與預測值成比例變化，可以對因變量取對數(shù)；如果殘差序列與預測值的平方成比例的變化，可以對因變量求倒數(shù)。 Y民航客運量（萬人）， x1國民收入（億元）， x2消費額（億元）， x3鐵路客運量（萬人）， x4民航航線里程（萬公里）， x5來華旅游入境人數(shù)第二節(jié) 可化為多元線性回歸的問題在自然科學中， y關(guān)于 x 的數(shù)量關(guān)系多數(shù)都不是簡單的線性關(guān)系，而是各種各樣的非線性關(guān)系，于是我們常會遇到非線性回歸模型，在非線性回歸模型中，一種類型是可以通過變量變換化為線性模型，然后按線性模型加以解決；另一種類型的非線性模型是用任何變量變換辦法都不能或不方便直接化為線性模型求得參數(shù)的估計值。v一、 “最優(yōu) ”回歸方程的選擇v方法 ：v逐步剔除的回歸分析方法v逐步引入的回歸分析方法v“有進有出 ”的回歸分析方法 (逐步回歸分析方法)逐步剔除法（ backward）v用全部變量建立一個回歸方程v對每個變量進行檢驗，剔除偏回歸平方和最小的變量。v直至方程檢驗不顯著為止。v三、逐步回歸分析方法的應用v如果要在回歸方程中剔除不顯著的變量，則首先應從已引入的變量中剔除對因變量貢獻最小的，也就是偏回歸平方和最小的一個變量。按照人才需求總量與經(jīng)濟總量相適應，人才需求結(jié)構(gòu)與經(jīng)濟結(jié)構(gòu)相適應的要求，運用各種模型和推算方法，給出了 20232023年浦東新區(qū)人才需求總量和三大產(chǎn)業(yè)的人才需求值，同時具體測算了新區(qū)各主要行業(yè)的人才需求值，并提出了相應的對策和措施。 (數(shù)據(jù)見 spssex/例子 10)v例 11 對例 6用逐步回歸法建模。v將剩余變量再分別與 y、及
教學課件相關(guān)推薦
鄂ICP備17016276號-1