多元回归补充-已读.ppt

《多元回归补充-已读.ppt》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、多元线性回归分析目的回顾一元线性回归应用场合了解回归的几种类型了解多元线性回归的应用场合掌握多元线性回归的分析方法直接利用回归先利用逐步回归寻找合适的自变量，再进行回归先利用最佳子集回归寻找合适的自变量，再进行回归掌握多元共线性问题的解决办法多元回归一元回归的方法很容易就可以推广到多元的问题。这在实际工作中是经常出现的，因为对于一个事物来说，影响它的因素是多方面的，当这些因素中每一个都很重要，或者说有几个是很重要的，而不是只有一个因素最重要，这时我们就需要用到多元回归分析的方法。如在预测销售量时，在最简单的情况下，可以认为它只与你的广告预算有关，但在实际工作中，如果要比较准确地预

2、测销售量，可能还需要考虑其他因素，如:季节因素,库存情况,销售能力、产品质量等。多元回归又分为多元非线性回归和多元线性回归。回归模型的类型一元非线性回归多元线性回归多元非线性回归一元线性回归范例1：巴特勒运输公司巴特勒是美国加利福利亚州的一家独立运输公司，其主营业务地域为本地，为了建立更好的工作日程表，经理们计划为他们的驾驶员估计日常行驶时间。经理们认为日常行驶时间跟行驶距离有关，试根据所学知识，求：两者之间的关系式。打开文件：“12_A_多元回归MulitiRegression.Mpj”中：“运输公司.mtw”范例1：巴特勒运输公司数据运输任务行驶时间行驶距离送货次数19.31

3、00424.850338.9100446.5100254.250266.280277.47538665497.6903106.1902范例1：巴特勒运输公司范例1：巴特勒运输公司R2=66.4%,只能解释66.4%的变异比例。范例1：巴特勒运输公司经理们这时开始考虑，也许日常行驶时间不仅跟行驶距离有关，还跟运货次数有关，试求：行驶时间与行驶距离及运货次数之间的关系式。我们可以考虑使用多元回归！范例1：巴特勒运输公司范例1：巴特勒运输公司这时，R2由原来的66.4%上升到现在的90.4%,现在能解释90.4%的变异比例。模型拟合得更好了！范例1：巴特勒运输公司由于增加自变量的数量将

4、会影响到因变量中的变异性被估计的回归方程解释的变异比，为了避免高估这一影响，所以许多分析学家提出用自变量的数量去修正R²的值，R²调整的计算公式如下：n=数据的行数;前面案例中n=10.p=项数(包含常数项,如Y=kx+b;则p=2,前面案例中p＝3)R²调整值越大说明通常说明该方程式越合适。R²调整值范例1：巴特勒运输公司S越小越好，当S=0时，R2＝100％范例1：巴特勒运输公司在方差分析表中的P值小于0.05,代表整个方程是统计上显著的，也就是行驶时间至少与与行驶距离或运货次数之间的一个或两个因子间的数学关系是显著的。范例1：巴特勒运输公司行驶距离和送货次数的P值都小于0.

5、05,说明两个因子都属于显著因子。练习1:多元回归练习1:一家广告公司的老板打算将客户的每周总营业收入作为电视广告费和报刊广告费的函数来估计,8周的历史数据见:“广告费用.mtw”,请分析回归方程式，如果电视广告费为3500美元，报刊广告费为1800美元，试估计该周总收入。打开文件：“12_A_多元回归MulitiRegression.Mpj”中：“广告费用.mtw”练习1:多元回归练习1:多元回归家电商品的需求量Y与其价格X1及居民家庭平均收入X2有关，下表给出了某市10年中某家电商品需求量与价格和家庭年平均收入水平间的数据。求该商品年需求量Y关于价格X1和家庭年平均收入X2的

6、回归方程。预计下一年度该商品的价格水平为3500元，家庭年平均收入为18000元，希望预测该商品下一年的需求量练习2:多元回归打开文件：“12_A_多元回归MulitiRegression.Mpj”中：“家电.mtw”需求量（十万台）价格（千）收入（千）3.04.06.05.04.56.86.53.58.07.03.010.08.53.016.07.53.520.010.02.522.09.03.024.011.02.526.012.52.028.0多元回归的使用时机当流程或噪音输入变量为计量型数据（连续型数据），且输出变量的类型也是计量型（连续型数据）时，而且输入变量的个数超过

7、一个时，可用多元回归分析来研究输入变量和输出变量间的关系。在计划经济时期，我国钢材产量Y主要与以下因素有关：原油产量X1，生铁产量X2，原煤产量X3，电力产量X4，固定资产投资X5，国民收入消费额X6，铁路运输能力X7。下表给出了我国自1975年到1986年12年间上述各项经济指标数据。试建立计划经济时期影响我国钢材产量最合适的回归模型。范例2:多元回归打开文件：“12_A_多元回归MulitiRegression.Mpj”中：“钢材产量.mtw”钢材产量与其他经济变量数据YX1