多元線性回歸實例分析(完整版)
【正文】 對特征值 再進(jìn)行開方 （即特征值2的 條件索引為 ）標(biāo)準(zhǔn)化后，方差為1，每一個特征值都能夠刻畫某自變量的一定比例，所有的特征值能將刻畫某自變量信息的全部，于是，我們可以得到以下結(jié)論：1：價格在方差標(biāo)準(zhǔn)化后， ，2：軸距在方差標(biāo)準(zhǔn)化后， ，可以看出：沒有一個特征值，既能夠解釋“價格”又能夠解釋“軸距”所以“價格”和“軸距”之間存在共線性較弱。 建立了模型2，所以，模型中有此方法有個概率值，進(jìn)入“線性回歸模型”（最先進(jìn)入模型的，相關(guān)性最強(qiáng)，關(guān)系最為密切），從“線性模型中”剔除結(jié)果分析：1：從“模型匯總”中可以看出，有兩個模型，（模型1和模型2）從R2 擬合優(yōu)度來看，模型2的擬合優(yōu)度明顯比模型1要好一些（）2：從“Anova表中，可以看出“模型2”中的“回歸平方和”，“殘差平方和”，由于總平方和=回歸平方和+殘差平方和，由于殘差平方和(即指隨即誤差，不可解釋的誤差）由于“回歸平方和”跟“殘差平方和”幾乎接近，所有，此線性回歸模型只解釋了總平方和的一半，3：根據(jù)后面的“F統(tǒng)計量”，隨著“自變量”的引入，所以可以顯著地拒絕總體回歸系數(shù)為0的原假設(shè)，通過ANOVA方差分析表可以看出“銷售量”與“價格”和“軸距”之間存在著線性關(guān)系，至于線性關(guān)系的強(qiáng)弱，需要進(jìn)一步進(jìn)行分析。如上圖所示：勾選“距離”下面的“cook距離”選項 （cook 距離，主要是指：把一個個案從計算回歸系數(shù)的樣本中剔除時所引起的殘差大小，cook距離越大，表明該個案對回歸系數(shù)的影響也越大）在“預(yù)測區(qū)間”勾選“均值”和“單值” 點擊“繼續(xù)”按鈕，再
外語相關(guān)推薦
鄂ICP備17016276號-1