第多元线性回归模型演示文稿_第1页
第多元线性回归模型演示文稿_第2页
第多元线性回归模型演示文稿_第3页
第多元线性回归模型演示文稿_第4页
第多元线性回归模型演示文稿_第5页
已阅读5页,还剩26页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第多元线性回归模型演示文稿目前一页\总数三十一页\编于十二点(优选)第多元线性回归模型目前二页\总数三十一页\编于十二点第1节多元线性回归模型及其假设条件

目前三页\总数三十一页\编于十二点目前四页\总数三十一页\编于十二点目前五页\总数三十一页\编于十二点目前六页\总数三十一页\编于十二点第2节模型参数的估计

目前七页\总数三十一页\编于十二点第3节回归系数向量估计值的统计性质

目前八页\总数三十一页\编于十二点目前九页\总数三十一页\编于十二点第4节多元线性回归模型的检验

在建立多元线性回归模型的过程中,为进一步分析回归模型所反映的变量之间的关系是否符合客观实际,引入的影响因素是否有效,同样需要对回归模型进行检验。常用的检验方法有R检验法,F检验法,t检验法和DW检验法。

目前十页\总数三十一页\编于十二点与相关系数检验法一样,复相关系数检验法的步骤为:(1)计算复相关系数;(2)根据回归模型的自由度n-m和给定的显著性水平值,查相关系数临界值表;(3)判别。目前十一页\总数三十一页\编于十二点目前十二页\总数三十一页\编于十二点目前十三页\总数三十一页\编于十二点目前十四页\总数三十一页\编于十二点目前十五页\总数三十一页\编于十二点目前十六页\总数三十一页\编于十二点目前十七页\总数三十一页\编于十二点表5.4.1DW检验判别表

目前十八页\总数三十一页\编于十二点目前十九页\总数三十一页\编于十二点三、预测区间

目前二十页\总数三十一页\编于十二点第5节含有虚拟变量的回归模型

一、虚拟变量品质变量不像数量变量那样表现为具体的数值。它只能以品质、属性、种类等形式来表现。要在回归模型中引入此类品质变量,必须首先将具有属性性质的品质变量数量化。通常的做法是令某种属性出现对应于1,不出现对应于0。这种以出现为1,未出现为0形式表现的品质变量,就称为虚拟变量。二、带虚拟变量的回归模型常见的带虚拟变量的回归模型有以下三种形式:

目前二十一页\总数三十一页\编于十二点目前二十二页\总数三十一页\编于十二点式(5.5.2)的趋势变化如图所示目前二十三页\总数三十一页\编于十二点目前二十四页\总数三十一页\编于十二点目前二十五页\总数三十一页\编于十二点第6节自变量的选择

一、逐步回归法逐步回归法是一种按照变量的边际贡献选择自变量的方法。所谓边际贡献就是某一变量加入到模型中来或从模型中删除对回归平方和或模型解释力(样本决定系数)的影响。如果一个变量加入到模型中或从模型中删除后模型的回归平方和或模型解释力(样本决定系数)变化不大,则可以认为此变量的边际贡献较小,因此这一变量就没有必要加入到模型中来。反之,则认为该变量的边际贡献较大,应当保留或加入到模型中。目前二十六页\总数三十一页\编于十二点目前二十七页\总数三十一页\编于十二点目前二十八页\总数三十一页\编于十二点目前二十九页\总数三十一页\编于十二点第7节若干问题讨论

一、模型设定误差我们在§5.6中讨论了自变量的选择问题。但无论是哪一种选择自变量的方法,都存在如何确定加入或删除变量的标准问题。标准的设定需要预测工作者的智慧及其对所研究问题的深入了解和认识。因此,难免会发生模型设定误差。回归模型中自变量“过少”,即遗漏了必要的自变量时,将会影响估计量的无偏性和一致性;回归模型中自变量“过多”,即在模型中加入不必要的自变量时,则会破坏估计量的最小方差性。

目前三十页\总数三十一页\编于十二点二、关于样本容量问题收集高质量的样

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论