多元回歸模型與建模-展示頁
2025-02-14 20:59本頁面
【正文】 pplied原因是修改運輸次數(shù)數(shù)據(jù) ,使得 前兩個回歸方程的系數(shù) p值都很低 (說明甚麼 ?),后一個修改運輸次數(shù)的二元回歸的兩個系數(shù) p值都很高 ,以至通不過檢驗 .但是后一個方程總體 檢驗的 F值的 p值卻為 ( )R2的值卻會降低 .for3/11/2023 14Appliedfor3/11/2023 13Applied(4) (4) 6(3) 375 280 250 2100 4100350 4100 for3/11/2023 12Applied 行駛距離 (英里 )Stat Coefficients系數(shù)估計和檢驗SSE=,Here:2 回歸 FMS df n=10s=R2=R= Excel輸出回歸統(tǒng)計 MBA05D1Statfor ?3/11/2023 10Applied=? F和 R2MBA05D1 :F Test for Overall Significance? 問題：因變量和所有自變量之間是否存在顯著的關(guān)系？? 判定系數(shù) R2可以 做方程的整體檢驗，但是遇到分布的困難。Statfor回歸方程：3/11/2023 8AppliedMBA05D1巴特勒公司二元線性回歸模型的估計自變量： x1行駛距離 ,Statfor3/11/2023 6Appliedei,ej(i?j)4)的；??ei對于所有的 1)MBA05D15. 多元回歸總體模型和古典假定? 總體模型表示式為? 古典假定Stat表示樣本編號。個腳碼 第 k1MBA05D1 p元回歸模型的容量為 n的樣本注意： Statfor3/11/2023 3Applied偏小 ,但是判定系數(shù) 回歸方程為 行駛距離 (英里 )PvalueStat MBA05D1 行駛時間 行駛距離的 一元回歸Stat90 9046575 80 50 100 3 行駛時間 (小時)行駛距離 (英里 )for多元回歸模型與建模多元回歸模型與建模2023年 5月3/11/2023 1AppliedStatMBA05D1一、多元線性回歸問題 — 巴特勒 (Butler)運輸公司的例子(p661)：運送貨物次數(shù) 100 450 10042 2 2 363 2 forCoefficientstIntercept 可以看出方程整體檢驗和自變量檢驗的 P值為 ,一元回歸能夠顯著成立。說明有些因變量的解釋因素（例如運貨次數(shù)）沒有引入。StatMBA05D13/11/2023 4Appliedfor的第 個腳碼 表示變量編號， k=1,…,p。2i= 1,…,n3/11/2023 5AppliedforE(ei)=0。(E(yi)=?????x1i+?+ ?pxpi)；2)i， Var(ei)=??；3)是服從正態(tài)分布 N(0,)對于不同的 是相互獨立的。StatMBA05D13/11/2023 7Appliedforx2運貨次數(shù)。StatMBA05D1 R2? 總變差的分解： SST=SSR+SSE；? 多元判定系數(shù)： R2=SSR/SST；? 多重相關(guān)系數(shù) r；? 調(diào)整（修正）的判定系數(shù) ：? 巴特勒公司二元線性回歸模型的判定系數(shù)3/11/2023 9Appliedfor? 檢驗假設(shè)? 拒絕域的關(guān)系： R2pF/(np1+pF)。StatMBA05D1 : t Test for Individual Significance? 檢驗假設(shè)? 檢驗統(tǒng)計量? 拒絕域3/11/2023 11AppliedforR2=adj方差分析 SSF Significance 殘差 7 總計 9 SSR=,SST=.標準誤差 tpvalueIntercept 運送貨物次數(shù) StatMBA05D1 (Multicollinearity)(1)巴特勒運輸公司例題的修改行駛距離 運送貨物次數(shù) (修改數(shù) ) 行駛時間(4)(2) (4) (4) (2) (3) (3)65490390 2StatMBA05D1(2)巴特勒運輸公司例題的回歸結(jié)果? 一元回歸方程? 二元回歸方程? 運輸次數(shù)修改后的二元回歸方程 (F檢驗 p值： )? *括弧內(nèi)表示系數(shù)的 p值 。StatMBA05D1(3)多重共線性問題討論巴特勒運輸回歸結(jié)果說明
教學課件相關(guān)推薦
鄂ICP備17016276號-1