多重回歸中的注意事項(xiàng)(參考版)
2025-05-18 23:24本頁面
【正文】 本法的局限性與 R2選擇法 相似，只是用 Cp統(tǒng)計(jì)量取代 R2而已。 根據(jù) Mallow?s Cp統(tǒng)計(jì)量，從模型變量子集中選出最優(yōu)子集。當(dāng)回歸方程中包含截距項(xiàng)時(shí)， i=1；反之， i=0。 本法的局限性與 R2選擇 法相似：其一，與 R2選擇法中“其一”相同；其二，選最優(yōu)子集的標(biāo)準(zhǔn)只是用修正的 R2取代未修正的 R2而已，完全沒有考慮其他標(biāo)準(zhǔn)。 33 四、最優(yōu)回歸子集法 ? 2. 修正 R2選擇法 (ADJRSQ) 根據(jù)修正的決定系數(shù) R2取最大的原則，從回歸方程的所有自變量中選出規(guī)定數(shù)目的子集。 31 四、最優(yōu)回歸子集法 ? 1. R2選擇法 (RSQUARE) 注意：當(dāng)觀測點(diǎn)少、且模型語句中變量數(shù)目過多時(shí)，程序不能運(yùn)行，因?yàn)檫^多自變量使誤差項(xiàng)無自由度，設(shè)計(jì)矩陣不滿秩，所以最多只能從所有可能的變量中選擇觀測點(diǎn)數(shù)減 1個(gè)變量放入回歸方程。 三、主成分回歸分析 ? 2. 實(shí)現(xiàn)步驟 （ 1）進(jìn)行多重回歸分析，并進(jìn)行共線性診斷； （ 2）如果自變量之間存在共線性，則可選擇進(jìn)行主成分回歸分析，以解決由于共線性的影響，造成回歸結(jié)果不合理或無法解釋； 三、主成分回歸分析 ? 2. 實(shí)現(xiàn)步驟 （ 3）用主成分分析求自變量的主成分和主成分得分； （ 4）使用因變量與主成分進(jìn)行回歸分析； （ 5）將主成分的表達(dá)式回代，最后得到因變量與原始自變量的回歸模型，并給予專業(yè)解釋。 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)。 26 二、共線性診斷與異常點(diǎn)診斷 ? 3. 異常點(diǎn)的處置 認(rèn)真核對(duì)原始數(shù)據(jù)。 ? ? ? ??i i iiiyyS e S e?????25 二、共線性診斷與異常點(diǎn)診斷 ? 2. Cook’s D統(tǒng)計(jì)量 庫克距離統(tǒng)計(jì)量。 23 二、共線性診斷與異常點(diǎn)診斷 ? 5. 共線性的解決方法 (4)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。 22
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1