多元回歸補充已讀ppt課件(編輯修改稿)
2025-01-31 20:00 本頁面
【文章內容簡介】 Revision : All Contents 169。 October 2022 by BlueStar 范例 2：鋼材產量與其他經濟變量 再次進行回歸，把 X7不要考慮進回歸模型，把 X1~X6放到預測變量中。 分析 階段 /多元線性回歸 28 Revision : All Contents 169。 October 2022 by BlueStar 范例 2：鋼材產量與其他經濟變量 再次進行回歸，把 X6不要考慮進回歸模型， (因為 X6的 P值最大）；把X1~X5放到預測變量中。 分析 階段 /多元線性回歸 29 Revision : All Contents 169。 October 2022 by BlueStar 范例 2：鋼材產量與其他經濟變量 依次進行回歸，直到回歸模型中所有的預測變量的 P值小于 。 分析 階段 /多元線性回歸 30 Revision : All Contents 169。 October 2022 by BlueStar 多元 回歸選擇合適模型的其他方法 ? 在上題中 使用 Minitab 中 的回歸 程序， 來 看看我 們 如何 找到合適數量的輸 入 變量預測 Y。七個變量中哪些變量與 Y的關系密切，最佳回歸模型中應該包含哪些因子？顯然使用回歸的方法效率太低！ ? 那是否存在更好的 縮減因子，選擇最佳擬合模型的 方法呢？我們可以考慮如下步驟： ? 步驟 1: 我 們將討論 多元回歸時選擇最佳模型的兩種不同的方法 ： ?方法 1： 逐步 此程序 篩選 所有 輸 入，以 產 生 “最佳” 的模型 ?方法 2： 最佳子集 此程序提供最佳 單變量 、 雙變量 、三 變量 等模型，但 在 處 理多 輸 入 變量時會 耗費大量 時間 。 ? 步驟 2: 回歸 一旦最佳模型被 選 定 后 ， 回歸 程序 將 用 該 模型 實施 更 詳細 的分析 ， 我 們 同 時會執(zhí) 行 殘差 分析 分析 階段 /多元線性回歸 31 Revision : All Contents 169。 October 2022 by BlueStar 步驟 1的方法 1:逐步回歸 逐步回歸分析菜單 響應是我們需要預測的 Y值，預測變量 X1~X7全部選入。 分析 階段 /多元線性回歸 32 Revision : All Contents 169。 October 2022 by BlueStar 若大于，則從模型中刪除該變量，再重復上述操作過程。如果沒有任何自變量可以刪除，則會嘗試再加入一個新的自變量，重復上述操作，直至不能再引入也不能再刪除為止。 逐步回歸分析法就是讓計算機自動進行多元回歸分析中的自變量篩選工作。主要有三種方法： （ 1） 逐步（向前或向后）的方法是：自變量逐個引入，邊引入邊檢查已引入自變量中最大的 p值是否已大于指定的“刪除 α 值”， 逐步回歸 分析 階段 /多元線性回歸 33 Revision : All Contents 169。 October 2022 by BlueStar 逐步回歸 （ 2） 前進法是 ：逐個引入自變量，先引入對 y影響最大（ p值最小者），再從其余自變量中尋找影響次大者， （ p值次最小者），直到無任何變量 p值小于指定的“選入 α值”可以被引入為止，在前進法中，一旦被加進回歸模型中，就不能再被刪除。 分析 階段 /多元線性回歸 34 Revision : All Contents 169。 October 2022 by BlueStar 逐步回歸 （ 3） 后退法 ：一開始引入全部自變量，對于 p值大于指定的“刪除 α值”， 逐個 刪除，直至不能再刪除為止。 常用的刪除 α值使用 分析 階段 /多元線性回歸 35 Revision : All Contents 169。 October 2022 by BlueStar 上案例中使用的是 逐步（向前或向后） 方法 范例 2：鋼材產量與其他經濟變量 分析 階段 /多元線性回歸 36 Revision : All Contents 169。 October 2022 by BlueStar 逐步回歸結果 此 處顯 示 X1,X2,X4是 最佳 的 模型 中的預測變量；注意： 回歸步驟 停在 三個變量的 模型，表示第 四或更多變量對于 提高 預測 度并無幫 助 此 行顯 示每 增加 一 個變量后， Rsq值的 變 化。 通過增加 第 三個變量， Rsq值 從 ％ 增至 % Rsq調整 值最大為 % 分析 階段 /多元線性回歸 37 Revision : All Contents 169。 October 2022 by BlueStar Mallows Cp 用來幫助在多個候選回歸模型之間進行選擇的一個統(tǒng)計量。Mallows Cp 會將整個模型的精確度和偏倚與具有最佳預測變量子集的模型進行比較。它可幫助您在模型中的預測變量數方面實現重要平衡。具有過多預測變量的模型的精確度相對較差，而預測變量過少的模型又會產生偏倚的估計。接近預測變量數加上常量數的 Mallows Cp 值表明模型在估計真實回歸系數和預測未來響應時比較精確且無偏倚。 Mallows Cp ≈入選自變量個數 +常量數 分析 階段 /多元線性回歸 38 Revision : All Contents 169。 October 2022 by BlueStar 最佳模型的判定參考 在有多個回歸方程顯著時，權衡使用哪一個？您可以參照以下 參考： 1. 選擇 RSq (調整值 )最大的模型 2. 選擇 Mallows Cp接近變量個數的模
教學課件相關推薦
鄂ICP備17016276號-1