《多元线性回归预测》PPT课件

《《多元线性回归预测》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六章多元线性回归预测1、多元线性回归的模型Y＝a+b1X1+b2X2+…＋bmXm2、多元线性回归的参数估计（最小二乘法）3、多元线性回归的误差分析与统计检验4、多元线性回归的预测2、多元线性回归的参数估计如果在对变量Y与Xi(i＝1，2，…，m)的n次观察中，获得了如下数据：最小二乘法为最小。对上式中的a、bi(i=1,2,…,m)分别求偏导，并令其等于零，经整理后得：(4-14)(4-15)其中第一节二元线性回归预测以上讨论了两个变量因素之间的回归预测问题。然而，客观事物的变化往往受多种因

2、素的影响，即使其中一个因素起着主导作用，但有时其他因素的作用也是不可忽视的。在实际问题中，大多数影响因变量的因素不是一个，而是多个。我们把包括两个或两个以上自变量的回归称为多元回归。这一节中，我们首先讨论两个自变量的模型，借以说明多元回归的使用，然后推广到三个或三个以上自变量的回归模型。一、二元回归模型二、二元回归方程称为常数，，称为Y对x的回归系数三、参数估计1、求估参数：用最小二乘法系数的计算公式为：2、回归系数、的含义的含义：的含义：3、的方差和标准差估计标准差：同一元线性回归的情况一样，

3、标准误差是对y值与模型估计值之间的离差的一种度量，它是计算置信区间估计值和其他拟合优度的基础指标。其计算公式为：四、回归方程和系数的检验1．复可决系数R22、 复相关系数对于多元线性回归而言，多元相关系数R似乎是多余的，它并未提供任何新的信息，只是可决系数的平方根。3、回归方程的显著性检验4、回归系数的检验：t检验（个体检验）F检验（全检验）:5、置信区间多元回归的近似置信区间的估计方法同简单回归相类似，其置信区间的公式为：置信区间＝式中，n是观察值的个数；p是自变量的个数，是自由度为n-p的t

4、统计量数值表中的数值。二元线性回归的例子【例】一家百货公司在10个地区设有经销分公司。公司认为商品销售额与该地区的人口数和年人均收入有关，并希望建立它们之间的数量关系式，以预测销售额。有关数据如下表。试确定销售额对人口数和年人均收入的线性回归方程，并分析回归方程的拟合程度，对线性关系和回归系数进行显著性检验(=0.05)。销售额、人口数和年人均收入数据地区编号销售额（万元）y人口数(万人)x1年人均收入(元)x21234567891033.335.527.630.431.953.135.629

5、.035.134.532.429.126.331.229.240.729.823.028.226.91250165014501310131015801490152016201570一个二元线性回归的例子(Excel输出的结果)一个二元线性回归的例子(计算机输出结果解释)销售额与人口数和年人均收入的二元回归方程为多重判定系数R2=0.9373；调整后的R2=0.9194回归方程的显著性检验F=52.3498F>F0.05(2,7)=4.74，回归方程显著回归系数的显著性检验t=9.3548>t

6、=0.3646，；t2=4.7962>t=2.3646；两个回归系数均显著显著性检验1、t检验2、F检验3、多重共线性第三节非线性回归预测法基本概念非线性模型及其线性化方法一.基本概念1.因变量y与x之间不是线性相关关系2.可通过变量代换转换成线性相关关系用最小二乘法求出参数的估计值并非所有的非线性模型都可以化为线性模型二.几种常见的非线性模型指数函数基本形式：线性化方法两端取对数得：图像lny=lna+bx令：y‘=lny，A=a则有y'=A+bx几种常见的非线性模型幂函数基本形

7、式：线性化方法两端取对数得：lgy=lga+blgx令：y'=lgy，x'=lgx，则y'=lga+bx'图像几种常见的非线性模型双曲线函数基本形式：线性化方法令：y'=1/y，x'=1/x,则有y'=a+bx'图像几种常见的非线性模型对数函数基本形式：线性化方法x'=lgx,则有y'=a+bx'图像b0b<0几种常见的非线性模型多项式函数基本形式：线性化方法x1=x,x2=x2,…，xp=xp,则有：y=a0+a1x1+a2x2+…+apxp图像0举例例1：某商品从进入市场起，由于质量

8、和成本的改变，变动了七次价格，每次价格变动的时间基本相等，总销售量由逐渐上升到逐渐下降，试对下列资料用抛物线拟合。价格（元）销售量1.21.83.14.95.77.18.69.84.55.977.87.26.84.52.7例1的散点图输入形式结果例2的散点图结果Excel中回归的步骤1、输入x列，y列；2、进入“工具”“数据分析”“回归”