多重線性回歸分析ppt課件(存儲(chǔ)版)
【正文】 sle取值小時(shí)，可能沒有一個(gè)變量能入選； sle取值大時(shí)，開始選入的變量后來在新條件下不再進(jìn)行檢驗(yàn)，因而不能剔除后來變得無統(tǒng)計(jì)學(xué)意義的變量。 29 三、分析步驟 ? 逐步回歸法 逐步回歸法 有無符合納入標(biāo)準(zhǔn)的新變量 納入新變量 有無符合排除標(biāo)準(zhǔn)的變量 踢除 完成 無 有 無 有 30 三、分析步驟 逐步回歸法比前進(jìn)法和后退法都能更好地選出變量構(gòu)造模型，但它也有局限性： 其一，當(dāng)有 m個(gè)變量入選后，選第 m＋ 1個(gè)變量時(shí)，對它來說，前 m個(gè)變量不一定是最佳組合； 其二，選入或踢除自變量僅以 F值和 P值作標(biāo)準(zhǔn)，完全沒考慮其它標(biāo)準(zhǔn)。 R2越接近于 1，說明線性回歸對實(shí)際數(shù)據(jù)的擬合程度越好。 ?在進(jìn)行多重線性回歸分析時(shí)，除了要滿足 LINE 外，還要求各變量之間不能存在共線性，即各變量之間要相互獨(dú)立。 43 三、分析步驟 ? 多重共線性的分類： (1)嚴(yán)重的多重共線性 此時(shí)，自變量之間存在著較高甚至完全的線性相關(guān)關(guān)系，雖然最小二乘法仍可應(yīng)用，但由于觀測誤差的穩(wěn)定性變差，所得的估計(jì)值可能面目全非。即： ? ?1= 2 , 3 , ,iiC N i k??=1=kkCN ??49 條件數(shù)越大，說明設(shè)計(jì)矩陣 X具有越強(qiáng)的共線性。 異常點(diǎn)的診斷，可采用學(xué)生化殘差統(tǒng)計(jì)量、Cook’s D統(tǒng)計(jì)量。 也不能依據(jù) P 值來判斷自變量對因變量的影響大小。 61 四、幾點(diǎn)補(bǔ)充 ? 以單因素分析方法取代多因素分析方法 先以各自變量分別與因變量做簡單相關(guān)分析或簡單回歸分析。如“血型”是一個(gè)多值名義變量，有 A、 B、 AB、 O四種，若以 O型血為基準(zhǔn)，需引入 3個(gè)（ 41=3）啞變量來描述。 如有可能，最好在此實(shí)驗(yàn)點(diǎn)上補(bǔ)做實(shí)驗(yàn)，進(jìn)一步確定此可疑異常點(diǎn)是否屬實(shí)。 (3)增大樣本含量 通過增加樣本含量，減少估計(jì)量的方差，提高估計(jì)精度，可在一定程度上克服多重共線性。 共線性診斷 —— Tolerance /方差膨脹因子 VIF ?經(jīng)驗(yàn)表明： VIF大于 5或 10時(shí)，存在嚴(yán)重的共線性；一般要求 Tolerance必須大于 ，或 VIF必須小于 10。 42 三、分析步驟 ? 何謂多重共線性？ 自變量間的近似線性關(guān)系，即是多重共線性。 ? ?22 1=1 1 11C MS nRRM S n p?= ? ???誤 差總38 三、分析步驟 ? 模型擬合效果評價(jià) ? AIC信息準(zhǔn)則 該準(zhǔn)則由日本學(xué)者赤池于 1973年提出，廣泛應(yīng)用于時(shí)間序列分析中自回歸階數(shù)的確定，多重回歸、廣義線性回歸中自變量的篩選以及非線性回歸模型的比較和選優(yōu)。 33 三、分析步驟 ? 模型擬合效果評價(jià) ? 決定系數(shù) (R2) 即復(fù) (全 )相關(guān)系數(shù)的平方，其值等于因變量觀測值與預(yù)測值之間簡單相關(guān)系數(shù)的平方。 28 三、分析步驟 當(dāng)回歸方程選入自變量后，又像后退法那樣，根據(jù) F統(tǒng)計(jì)量和 P值按 sls水平踢除無統(tǒng)計(jì)學(xué)意義的各自變量，依次類推。 23 三、分析步驟 當(dāng)回歸方程中變量少時(shí)某變量不符合入選標(biāo)準(zhǔn)，但隨著回歸方程中變量逐次增多時(shí) ,該變量就可能符合入選標(biāo)準(zhǔn)；這樣直到?jīng)]有變量可入選為止。 20 三、分析步驟 這就是自變量的選擇問題，或稱為變量篩選。 H0： bi=0 H1: bi≠0 18 三、分析步驟 第二步，計(jì)算檢驗(yàn)統(tǒng)計(jì)量。 H0： b1=b2= … = bk=0 H1: b1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1