逐步回归分析讲解学习.ppt

《逐步回归分析讲解学习.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、逐步回归分析回归系数的显著性检验前面讨论了回归方程中全部自变量的总体回归效果,但总体回归效果显著并不说明每个自变量对因变量都是重要的,即可能有某个自变量对并不起作用或者能被其它的的作用所代替,因此对这种自变量我们希望从回归方程中剔除,这样可以建立更简单的回归方程。显著性F检验偏回归平方和一.最优回归方程的选择最优回归方程:是包含所有对y显著的变量而不包含对y不显著变量的回归方程.设有y与x1,x2,x3,x4的一组观测数据,如下表所示:编号x1x2x3x4Y172666078.52129155274.331156820104.34113184787.

2、6575263395.961155922109.27371176102.78131224472.59254182293.1102147426115.911140233483.8121166912113.3131068812109.4逐步回归预测数学模型一、最优回归方程的选择逐步回归的基本思路是：根据系统要素的重要性大小，每步选一个重要变量进入回归方程。逐步回归分析正是根据这种原则提出来的一种回归分析方法。它的主要思路是在考虑的全部自变量中按其对的作用大小,显著程度大小或者说贡献大小,由大到小地逐个引入回归方程,而对那些作用不显著的变量可能始终不被引人

3、回归方程。另外,己被引人回归方程的变量在引入新变量后也可能失去重要性,而需要从回归方程中剔除出去。引人一个变量或者从回归方程中剔除一个变量都称为逐步回归的一步,每一步都要进行检验,以保证在引人新变量前回归方程中只含有对影响显著的变量,而不显著的变量已被剔除。逐步回归步骤第一步使选择的要素有大于其它要素的回归平方和，或者使剩余平方和最小。第二步，在未选的要素中，选一个要素，使它与已选的要素构成二元回归方程，而比其它要素组成的二元回归方程有更大的回归平方和。依次类推，每选一次都进行显著性检验。同时，考虑已选要素是否会因后继选入的要素使显著性降低，对其中回

4、归平方和最小的要素进行显著性检验，把不显著的加以剔除。如此循环，进行到无不显著要素可以剔除，又无显著要素可以选入为止。二、引入变量与剔除变量的依据逐步回归分析是按各自变量对y作用显著程度的大小来决定是否引入或剔除。用以衡量各自变量对y作用大小的量是它们对y的“贡献”，即偏回归平方和。由多元线性回归方法可知，回归方程的回归平方和为S回＝S总－S剩如果从总变量中剔除xi，则回归平方和减少为：S’回＝S’总－S’剩这样就可以求出xi在总变量中对回归方程的贡献，即偏回归平方和。引入变量与剔除变量的依据(F检验)逐步回归分析数学模型逐步回归分析的数学模型与

5、多元回归分析的数学模型是一样的。但为了适应电子计算机上的计算，逐步回归分析的数学模型在形式上略有变化。此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢