多元相關與回歸分析(1)-免費閱讀
【正文】 = ? + b x 3. 圖像 非線性回歸 (例題分析 ) ? 【 例 】 一種商品的需求量與其價格有一定的關系 。= lg x， 則 y39。 ? 這些步驟反復進行，直到引入的變量都是顯著的而沒有引入的變量都是不顯著的時，就結束挑選變量的工作。 ? Excel 輸出結果的分析 多重共線性的識別 多重共線性的識別 1. 檢測多重共線性的最簡單的一種辦法是計算模型中各對自變量之間的相關系數 ， 并對各相關系數進行顯著性檢驗 – 若有一個或多個相關系數顯著 ， 就表示模型中所用的自變量之間相關 ， 存在著多重共線性 2. 如果出現下列情況 ， 暗示存在多重共線性 – 模型中各對自變量之間顯著相關 。 即 pbbbb ?,?,?,? 210 ?參數的最小二乘法 (例題分析 ) 【 例 】 一家大型商業(yè)銀行在多個地區(qū)設有分行 ， 為弄清楚不良貸款形成的原因 ， 抽取了該銀行所屬的 25家分行 2021年的有關業(yè)務數據 。 修正的判定系數 修正多重判定系數 (adjusted multiple coefficient of determination) 1. 用樣本容量 n和自變量的個數 p去修正 R2得到 2. 計算公式為 3. 避免增加自變量而高估 R2 4. 意義與 R2類似 5. 數值小于 R2 估計標準誤差 Sy 1. 對誤差項 μ的標準差 ? 的 一個估計值 2. 衡量多元回歸方程的擬合優(yōu)度 3. 計算公式為 顯著性檢驗 線性關系檢驗 回歸系數檢驗和推斷 線性關系檢驗 線性關系檢驗 1. 檢驗因變量與所有自變量之間的線性關系是否顯著 ， 也被稱為總體的顯著性檢驗 2. 檢驗方法是將回歸離差平方和 (SSR)同剩余離差平方和 (SSE)加以比較 ， 應用 F 檢驗來分析二者之間的差別是否顯著 – 如果是顯著的 ， 因變量與自變量之間存在線性關系 – 如果不顯著 ， 因變量與自變量之間不存在線性關系 線性關系檢驗 1. 提出 假設 – H0： b1?b2??? bp=0 線性關系不顯著 – H1： b1， b2， ? ， bp至少有一個不等于 0 2. 計算檢驗統(tǒng)計量 F 3. 確定顯著性水平 ?和分子自由度 p、分母自由度 np1找出臨界值 F ? 4. 作出決策：若 FF ?，拒絕 H0 回歸系數檢驗和推斷 回歸方程顯著，并不意味著每個解釋變量對因變量 Y的影響都重要 ,因此需要進行檢驗： 回歸系數檢驗的必要性 回歸方程顯著 每個回歸系數都顯著 ?回歸系數的檢驗 (步驟 ) 1. 提出假設 – H0： bi = 0 (自變量 xi 與 因變量 y 沒有線性關系 ) – H1： bi ? 0 (自變量 xi 與 因變量 y有線性關系 ) 2. 計算檢驗的統(tǒng)計量 t 3. 確定顯著性水平 ?，并進行決策 ? ? t?t???，拒絕 H0； ? t?t???，不能拒絕 H0 回歸系數的推斷 (置信區(qū)間 ) ?回歸系數在 1? 置信水平下的置信區(qū)間為 ispnti b?b ?2 )1(? ???回歸系數的抽樣標準差 多重共線性 多重共線性及其所產生的問題 多重共線性的判別 多重共線性問題的處理 多重共線性 1. 回歸模型中兩個或兩個以上的自變量彼此相關 2. 多重共線性帶來的問題有 ? t檢驗值會減小、系數的顯著性下降。有一些統(tǒng)計方法可以幫助我們從眾多可能的自變量中篩選出重要的自變量。 = ? + b x39。 = ln? + b x 3. 圖像 b ? ? b ? ? S 型曲線 1. 基本形式： 2. 線性化方法 – 令： y39。 例題： 我國 1978— 2021年人均 GDP數據（ 1978年不變價），試建立人均 G
環(huán)評公示相關推薦
鄂ICP備17016276號-1