多元回归分析报告SPSS

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

多元线性回归分析预测法

多元线性回归分析预测法(Multi factor line regression method ,多元线性回归分析法)

C3[编辑]

多元线性回归分析预测法概述

在市场的经济活动中,经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况,

也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分,或者

有的因素虽属次要,但也不能略去其作用。例如,某一商品的销售量既与人口的增长变化有关,

也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的,需要采用多元回归分析预测法。

多元回归分析预测法,是指通过对两上或两个以上的自变量与一个因变量的相关分析,建立

预测模型进行预测的方法。当自变量与因变量之间存在线性关系时,称为多元线性回归分析。

[编辑]

多元线性回归的计算模型⑴

一元线性回归是一个主要影响因素作为自变量来解释因变量的变化,在现实问题研究中,因

变量的变化往往受几个重要因素的影响,此时就需要用两个或两个以上的影响因素作为自变量来

解释因变量的变化,这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时,所进行的回归分析就是多元性回归。

设y为因变量,I」-…为自变量,并且自变量与因变量之间为线性关系时,则多元线性回归模型为:

y = 6()+ ^1X1 + &2为2 丨■…+ b k Xk+ e

其中,b o为常数项,•- ' ■「为回归系数,b i为’•' 「固定时,x i每增加一

个单位对y的效应,即X i对y的偏回归系数;同理b2为’•二•,固定时,X2每增加一

个单位对y的效应,即,X2对y的偏回归系数,等等。如果两个自变量x i,X2同一个因变量y呈线

相关时,可用二元线性回归模型描述为:

y = fto 4 &15C1 + 血力!2 + …+ bkXk I E

其中,b o为常数项,• • ■ •「为回归系数,b i为固定时,X2每增加一个单位对y的效应,即X2对y的偏回归系数,等等。如果两个自变量X i,X2同一个因变量y呈线相关时,可用二元线性回归模型描述为:y = b o + b i X i + b2X2 + e

建立多元性回归模型时,为了保证回归模型具有优良的解释能力和预测效果变量的选择,

,应首先注意自

其准则是:

(1) 自变量对因变量必须有显著的影响,并呈密切的线性相关;

(2) 自变量与因变量之间的线性相关必须是真实的,而不是形式上的;

(3) 自变量之彰应具有一定的互斥性,即自变量之彰的相关程度不应高于自变量与因变量之

因的相关程度;

(4) 自变量应具有完整的统计数据,其预测值容易确定。

多元性回归模型的参数估计,同一元线性回归方程一样,也是在要求误差平方和(二「)

为最小的前提下,用最小二乘法求解参数。以二线性回归模型为例,求解回归参数的标准方程组为

工>=宛馆+加刀巧I检刀牝刀衍“=论刀①1 + %力听+傀刀巧①2 刀x7y= % £叼I加刀①炖I直刀诡

解此方程可求得b o,b i,b2的数值。亦可用下列矩阵法求得

多元线性回归模型的检验⑴

多元性回归模型与一元线性回归模型一样

,在得到参数的最小二乘法的估计值之后

,也需要

进行必要的检验与评价,以决定模型是否可以应用。

1、拟合程度的测定。

与一元线性回归中可决系数 r 2相对应,多元线性回归中也有多重可决系数

r 2,它是在因变量

的总变化中,由回归方程解释的变动 (回归平方和)所占的比重,R 2越大,回归方各对样本数据点 拟合的程度越强,所有自变量与因变量的关系越密切。计算公式为:

丘2 =刀(@_@)2

E(y - y)2

=1 E(y-y)2 =

E(y-y)2

其中,

力(妙一 y)2 =工/ —(悅£片+ % £②1“ +址5T ②汕+…+加5T 巩卩)

I

- y)2 =为『一:(为诉 I V

2. 估计标准误差

9

1 21JC-

2

2 ^22

£

估计标准误差,即因变量y的实际值与回归方程求岀的估计值A

之间的标准误差,估计标准

误差越小,回归方程拟合程度越程

Sy

y

其中,k为多元线性回归方程中的自变量的个数。

3. 回归方程的显著性检验

回归方程的显著性检验,即检验整个回归方程的显著性,或者说评价所有自变量与因变量的线性关系是否密切。能常采用F检验,F统计量的计算公式为:

= Ed歹尸/氐

=页_卯加_应_ 1

R2/k

(l-7?2)/n-fr-l

根据给定的显著水平a,自由度(k,n-k-1)查F分布表,得到相应的临界值F a,若F > F a,则回归方程具有显著意义,回归效果显著; F < F a,则回归方程无显著意义,回归效果不显著。

4. 回归系数的显著性检验

在一元线性回归中,回归系数显著性检验(t检验)与回归方程的显著性检验(F检验)是等价的,但在多元线性回归中,这个等价不成立。t检验是分别检验回归模型中各个回归系数是否具有显著性,以便使模型中只保留那些对因变量有显著影响的因素。检验时先计算统计量t i;然后根据给定的显著水平a,自由度n-k-1查t分布表,得临界值t a或t a / 2,t > t - a或t a / 2,则回归系数b i与0有显著关异,反之,则与0无显著差异。统计量t的计算公式为:

其中,C j是多元线性回归方程中求解回归系数矩阵的逆矩阵(x'x)-1的主对角线上的第j个元素。对二元线性回归而言,可用下列公式计算:

相关文档
最新文档