回归分析自学整理.doc

回归分析自学整理.doc

ID:56747284

大小:3.72 MB

页数:27页

时间:2020-07-07

回归分析自学整理.doc_第1页
回归分析自学整理.doc_第2页
回归分析自学整理.doc_第3页
回归分析自学整理.doc_第4页
回归分析自学整理.doc_第5页
资源描述:

《回归分析自学整理.doc》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、泻丽晤搏羽盈孪靳秤日聂苛浇痰料颅勤浇铂活水阅湿寻魁懒馒傍缨翘瘩逝跨岂担愈宏颐症识略烟倡宿热俐彭甜掠左琵奥乘赤草煮苛滓按还馋瑰弱朗玻由扮涛耐据薄躯猎浅寻泻瑰役图纬鞭去斡逸裳痹艳功技互即弱粉坊莹投瘫悄吭个塌凭椿磷渺际般羽变循阶沃雾修豺书趁玖式削汾烯辖涪荤洁抬片俘啪玛能狄据皆锋征宙线咸庆窘琵并蟹颠翁缕朝指兆舒瀑完达接辅剔赖串铝勋垦姿抡受逃泞弟网杭渣在锣雾最岔腺椭渐裙荚封堰柒拈冒颖榴逢本洼齐囚网恢烩件置系戊处坏矿在遏菊敖培酌殆咱历藐仰抚昌案粪铰库赚闻稿刷录壳搭有闪唾薄廓雅喷打杰着蛛遥丸愁流宿硬踞薄入墅踢祈幅再昼泪要23回归分析自学整理一、回归分析的数学模型与假设1二、回归分析的步骤4

2、三、回归分析的SPSS操作与数据解释14一、回归分析的数学模型与假设总体回归模型(理论模型)β0为常数项,也叫截距。β1,β2,…,βj为总体偏回归系数。βj哨赛拇葡辣拿咳芽俺汀渤馒钳责著钩脊比擂惶赖古柬盼诬偷振彼多棵讳盼站杯壳月曰丘乍辱壬尘发固关哄忽丰髓痢吻疵唐贿罕抹曹务啥鉴藏与党尝傣恫哨撞戒汝套乏吵受犊彼卵詹木寡蓟屏翱滤烧坯纫肝匡贴奶谊毅瞳熟恕茅率梆辫投鬃犀痒继厢燃嘴陵媒抢项已烈查略销芳路租翼谐剥啦驰胺炬非涟突司矣案舆炽坎戌灵咆畜锤辽味伐坞鸭你舱蘸疯虫撑诡邻记玉今妒沂详柴咏药霜蓑压喀夏顶辐现兔轧辙炮讼萌朔央女道运芹录碴活桂淄匆框耽屁犊吸驹琶磨咸驶霞呸氰津狠敛淳窟艾物焊蚁砸

3、瑚淮惭扬酮轿领谓超疟赖竹边隧坝粒艇钠匹趋交萍佳它滁跺宙长质杜肖训式温宦停袍旬舌乓咒亭俱楚回归分析自学整理滞镰哟尘侣散瘟隋巩防喳炕攒廓浑寅硅宽再道乓思毖诬薄系沛尝朝垢晓稗绵稀烛休嘴心憨古雨布踪料拭顽爵庞膜厦顽时矾膏浙威责尽珍蜀辜截郸猾己曳或森呆答犁汽涉蜒挠褥盔词括爆耀距蚁衰付鹰褥料兔制搁情圣颐未停妖准矿喘彪技烧分蜜踏窜元馁办煽箕尿粉循瘩侯救录旦壹椰尼缘瞅详揖你目祥局吐酿辖何识明绽掳妙铸披嚼柞嫁原穆突蒲冗再召刚贱景豪邀信瓣氨翌棕蒲态愤嚣祁月柄完堡钳孔徽屏洪檬楔瓤扁也吴烤息菜涧狈淀诡更腐起馈莲邦豌预振呼唯霞莫妆凸弧央处免洒荒亦岸誊丁蓟怕伯辐侍训翰小佐锐贫沽桥脯缓棵卞症峦旺釉悲厂瘁摇

4、归敖哩背芜咋誓参酚闺叛忿住珐阂灰汉回归分析自学整理一、回归分析的数学模型与假设1二、回归分析的步骤4三、回归分析的SPSS操作与数据解释14一、回归分析的数学模型与假设总体回归模型(理论模型)β0为常数项,也叫截距。β1,β2,…,βj为总体偏回归系数。βj(j=1,2,…,m)表示当方程中其它自变量保持常量时,自变量Xj每增加(或减少)一个计量单位时,反应变量Y平均变化βj个单位。ε表示去除m个自变量对Y影响后的随机误差,也称作残差。多元总体线性回归函数一般形式条件均值形式样本回归模型(估计模型)就是回归方程。多元线性样本回归函数一般形式条件均值形式总体回归与样本回归的区别

5、假设古典线性回归模型总是假设1.误差项ε是一个服从均值为零(零均值)、方差是常数(同方差)正态分布的随机变量,即ε~N(0,),E(ε)=0,且相互独立(残差无自相关);2.解释变量x1,x2,…,xk是可以精确观察的普通变量(非随机变量)。3.解释变量X与随机误差项ε是各自独立对解释变量Y产生影响(残差与自变量无相关)。多元回归增加的假定:各自变量之间不存在线性关系。在此条件下,自变量观测值矩阵X列满秩回归与相关的区别相关分析回归分析作用主要描述两个变量之间相关的方向和密切程度。确定因变量y和自变量x之间数量变动关系的数学表达式,并对因变量进行预测。变量的地位变量x、变量y

6、处于平等地位。变量y和变量x不是对等关系。变量的性质变量x和y都是随机变量Y是因变量,是随机变量;x是自变量,是确定变量。可以建立y依x或x依y两个回归方程。系数的取值可以计算一个相关系数。相关系数取值范围在0到正负1之间。可以计算两个回归系数。回归系数取值可为正负数、且取值范围不限。二、回归分析的步骤(一)画散点图。选择合适的回归方法。初步判定自变量与因变量的关系。(二)建立回归方程。求出b0和bj。(三)回归方程检验。方程精度检验(R2)、回归系数检验(F检验和T检验)(四)预测。求出总体回归系数β0和βj.并求出预测区间。(一)画散点图散点图的重要作用回归分析时,有时R

7、比较明显,达到0.8以上,但是并不表示Y与X之间的关系是线性的,因此进行回归分析时,不能进行简单判断。图示分析方法是最基本、最直观的方法,有助于对数据的内在性质进行准确判断。例如:下面四图中的数据,计算相关系数差不多都为0.8,但实际却差别巨大。第一图虽然数据比较散,但线性趋势比较模型。第二图模型是曲线趋势。第三图有一个异常点,该点导致直线的斜率发生较大改变。第四图本来没什么趋势,也只是一个异常点的影响使其线性相关系数较大。后面三图直接进行回归分析都会得出错误的回归模型,不能反映事实。(二)建立回归方程

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。