多元回歸補(bǔ)充已讀ppt課件(參考版)
2025-01-07 20:00本頁(yè)面
【正文】 October 2022 by BlueStar 練習(xí) 一項(xiàng)研究提供了與制造業(yè)失業(yè)的周數(shù)可能有關(guān)的一些變量的數(shù)據(jù)，在這些 變量中，自變量有： X1:工人的年齡 X2:受教育的年限 X3:結(jié)婚與否，結(jié)婚則取值為“ 1” ,否則為“ 0” X4:戶主嗎？如果是戶主則 “ 1” ,否則為“ 0” X5:工齡 X6:管理崗位嗎？如果是管理崗位為 “ 1” ,否則為“ 0” X7:銷售工作嗎，如果是則為 “ 1” ,否則為“ 0” 打開(kāi)文件：“ 12_A_ 多元回歸 Muliti Regression. Mpj”中：“失業(yè) .mtw” 分析 階段 /多元線性回歸 65 Revision : All Contents 169。 方差膨脹因子 分析 階段 /多元線性回歸 63 Revision : All Contents 169。 October 2022 by BlueStar 方差膨脹因子 (VIF) 給出了多重共線性（ multi collinearity)的度量 。在此情況下，可能要通過(guò)從模型中去除不重要的預(yù)測(cè)變量來(lái)減小多重共線性。多重共線性會(huì)產(chǎn)生問(wèn)題，因?yàn)樗梢栽龃蠡貧w系數(shù)的方差，從而使其不穩(wěn)定或難以解釋 方差膨脹因子 (VIF) 度量相對(duì)于預(yù)測(cè)變量不線性相關(guān)時(shí)，估計(jì)回歸系數(shù)的方差膨脹多大。 October 2022 by BlueStar 檢查自相關(guān)的另一種方法 在回歸中選擇“選項(xiàng)”，再選擇“方差膨脹因子” 分析 階段 /多元線性回歸 61 Revision : All Contents 169。 October 2022 by BlueStar 殘差分析 ? 殘差應(yīng)該符合 正態(tài)分布 殘差與擬合值 的關(guān)系應(yīng)該隨機(jī) 殘差與時(shí)間順序 的關(guān)系應(yīng)該隨機(jī) 殘差應(yīng)該符合 正態(tài)分布 殘差圖沒(méi)有出現(xiàn)異常，所以回歸模型在數(shù)學(xué)上成立，接下來(lái)您可以在實(shí)際工作中進(jìn)行檢驗(yàn)和應(yīng)用。 分析 階段 /多元線性回歸 58 Revision : All Contents 169。 October 2022 by BlueStar 還記得嗎？模型選擇的依據(jù) 在有多個(gè)回歸方程顯著時(shí)，權(quán)衡使用哪一個(gè)？您可以參照以下 參考： 1. 選擇 RSq (調(diào)整值 )最大的模型 2. 選擇 Mallows Cp接近變量個(gè)數(shù)的模型 3. 工程上容易實(shí)現(xiàn) 4. 控制成本較低 您可以在軟件分析結(jié)果的基礎(chǔ)上結(jié)合工程上的經(jīng)驗(yàn)做出選擇！ 分析 階段 /多元線性回歸 57 Revision : All Contents 169。 October 2022 by BlueStar 逐步回歸分析 您有兩種選擇方案：第一種方案是模型中包含兩個(gè)變量， X4和X1。 October 2022 by BlueStar 逐步回歸分析 對(duì)于 X之間存在自相關(guān)，在回歸前進(jìn)行逐步回歸或最佳子集回歸先去尋找最 佳模型，再進(jìn)行回歸是較好的解決辦法。 October 2022 by BlueStar 相關(guān)性檢驗(yàn) 原來(lái)如此！ X1與 X3， X2與 X4之間存在相關(guān)性 !!! 這種現(xiàn)象叫做 X之間存在自相關(guān) 對(duì) X1~X4進(jìn)行相關(guān)性分析看看。 October 2022 by BlueStar 相關(guān)性檢驗(yàn) 對(duì) X1~X4進(jìn)行相關(guān)性分析看看。 October 2022 by BlueStar 對(duì) X2單獨(dú)進(jìn)行回歸分析 P， X2顯著！ 同理對(duì) X3,X4單獨(dú)進(jìn)行回歸，也出現(xiàn)了 P, 顯示 X3和 X4是顯著的。 October 2022 by BlueStar 對(duì) X1單獨(dú)進(jìn)行回歸分析 對(duì) X1單獨(dú)回歸 分析 階段 /多元線性回歸 50 Revision : All Contents 169。 October 2022 by BlueStar 范例 3:多元回歸 分析 階段 /多元線性回歸 48 Revision : All Contents 169。 在混凝土凝固放熱試驗(yàn)中 ， 記錄了 13組數(shù)據(jù) ， 其中 y為散熱量 ， Ｘ１ ， Ｘ２ ， Ｘ３ ， Ｘ４為混凝土中４種化學(xué)成分 ． 請(qǐng)進(jìn)行變量的篩選 ， 得出合適的 回歸模型 。 October 2022 by BlueStar NO X1 X2 X3 X4 y 1 7 26 6 60 2 1 29 15 52 3 11 56 8 20 4 11 31 8 47 5 7 52 6 33 6 11 55 9 22 7 3 71 17 6 8 1 31 22 44 9 2 54 18 22 10 21 47 4 26 11 1 40 23 34 12 11 66 9 12 13 10 68 8 12 范例 3:多元回歸 打開(kāi)文件：“ 12_A_ 多元回歸 Muliti Regression. Mpj”中：“逐步回歸范例 .mtw” 六西格瑪小組推測(cè)了 4種化學(xué)成分可能對(duì)混凝土在凝固放熱過(guò)程中的散熱量有影響 。 October 2022 by BlueStar 殘差圖的判斷 殘差應(yīng)該符合 正態(tài)分布 殘差與擬合值 的關(guān)系應(yīng)該隨機(jī) 殘差與時(shí)間順序 的關(guān)系應(yīng)該隨機(jī) 殘差應(yīng)該符合 正態(tài)分布 殘差圖沒(méi)有出現(xiàn)異常，所以回歸模型在數(shù)學(xué)上成立，接下來(lái)您可以在實(shí)際 工作中進(jìn)行檢驗(yàn)和應(yīng)用。 October 2022 by BlueStar 殘差分析 選擇“四合一”，畫殘差的四張圖。 October 2022 by BlueStar 殘差分析 接下來(lái)進(jìn)行殘差分析，判斷模型是否存在異常情況。 October 2022 by BlueStar 步
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1