《多重线性回归》PPT课件 (2)

8
6 因变量总变异的分解
P
(X,Y)

Y
（Y Y） （Y Y）

（Y Y）
Y X

Y
Y
9
Y的总变异分解
Y Y Yˆ Y Y Yˆ
Y Y 2 Yˆ Y 2 Y Yˆ 2
总变异 SS总
回归平方和 剩余平方和
SS回
SS剩
10
Y的总变异分解
病程 (X2)
10.0 3.0 15.0 3.0 4.0 6.0 2.9 9.0 5.0 2.0 8.0 20.0
表 12-1 脂联素水平与相关因素的测量数据
空腹
回归模空型腹 ？
瘦素
脂联 BMI 病程 瘦素
脂联
(X3)

血糖 (X4)
素(Y)
(X1)
(X2)
(X3)
血糖 素(Y) (X4)
5.75 13.6 29.36 21.11 9.0 4.90 6.0 17.28
H 0： 1 2 3 4 0 ，即总体中各偏回归系数均为0； H 1：总体中各偏回归系数不为0或不全为0；
= 0.05。
2 计算检验统计量： 3 确定P值，作出推断结论。
拒绝H0，说明从整体上而言，用这四个自变量构成 的回归方程解释糖尿病患者体内脂联素的变化是有统 计学意义的。
的平方和 (Y Yˆ)2为最小。
只有一个自变量
两个自变量
例12-1 为了研究有关糖尿病患者体内脂联素水平的影响因 素，某医师测定30例患者的BMI、病程、瘦素、空腹血糖， 数据如表12-1所示。
BMI (X1)
24.22 24.22 19.03 23.39 19.49 24.38 19.03 21.11 23.32 24.34 23.82 22.86

9.1 9.2 9.3 9.4 9.5 多元线性回归模型 拟合优度和显著性检验 多重共线性及其处理 利用回归方程进行预测 虚拟自变量的回归
统计学
STATISTICS (第三版)
学习目标
多元线性回归模型、回归方程与估计的回 归方程 回归方程的拟合优度与显著性检验 多重共线性问题及其处理 利用回归方程进行预测 虚拟自变量的回归 用Excel和SPSS进行回归分析
统 计 学
(第三版)
2019
作者 贾俊平
统计学
STATISTICS (第三版)
统计名言
上好的模型选择可遵循一个称为奥 克姆剃刀(Occam’s Razor)的基本原 理：最好的科学模型往往最简单， 且能解释所观察到的事实。
——William Navidi
9-2 2019年8月
第 9 章 多元线性回归
b1，b假定其他变量不变，当 xi 每变 动一个单位时，y 的平均变动值
9 - 10
2019年8月
统计学
STATISTICS (第三版)
估计的多元线性回归的方程
(estimated multiple linear regression equation)
9 - 11 2019年8月
9.1 多元线性回归模型 9.1.2 参数的最小二乘估计
统计学
STATISTICS (第三版)
参数的最小二乘估计
1. 使因变量的观察值与估计值之间的离差平方和 ˆ ,b ˆ ,b ˆ ,, b ˆ 。即 达到最小来求得 b 0 1 2 k
2 2 ˆ ,b ˆ ,b ˆ ,, b ˆ ) (y y ˆ Q( b ) e i i i 最小 0 1 2 k i 1 i 1 n n

平上，拒绝H0，可以认为收缩压与体重 之间有线性回归关系。
标准化回归系数
因为m个自变量都具有各自的计量单位 以及不同的变异度，所以不能直接用偏 回归系数的数值大小来反映方程中各个 自变量对应变量Y的贡献大小。为此， 可计算标准化回归系数。
bi bi
lii SS总
＝bi
si sy
i 1,2,, m
（一）多元回归方程的假设检验 1. 建立假设和确定检验水准：
H0：β1=β2=β3…=βm＝0 H1：β1、β2、β3、…、βm不全为0 α=0.05
SS总＝
2
(Y Y )
(Yˆ

Y
2
)

(Y

Yˆ
2
)
＝SS回归＋SS 误差
SS回归＝ yˆ y 2 b1l1y b2l2y bmlmy
2658.95b1 277.30b2 91.28 277.30b1 836.70b2 147.49 解方程得：
b1 0.0546,b2 0.1944
b0 17.82 0.0546 44.05 0.1944 82.80 0.6815
2658.95b1 277.30b2 91.28 277.30b1 836.70b2 147.49 解方程得： b1 0.0546,b2 0.1944
R2称为决定系数，可定量评价y的总变 异能被自变量解释的比重。
偏相关系数
扣除其他变量的影响后，变量y与x的相 关，称为y与x的偏相关系数。 如：r12.3
在一个有统计学意义的方程中，可能某 些自变量对应变量影响较大，而另一些 影响很弱甚至完全没有意义。
为使回归方程中仅包含有意义的自变量， 有必要对偏回归系数作检验和进行自变 量筛选。

save ——distance –勾上Cook’s和leverage 值
Plots-histogram 和 normal probability plot勾
上-把ZPRED放入Y，把ZRESID放入X轴——
.
12
OK
原始回归方程Y=0.0498X+0.441
标准化回归方程Zy=0.881Zx
β = （δy/ δx）*r =（0.41989/7.426）*0.881=0.04981
.
29
步骤同一元回归
补充步骤 在statistic勾上R square change，part and partial correlation（半偏 相关和偏相关）， conlinerarity diagnostics （共线性判断）
.
30
分层回归方法
Enter：强制进入 Forward：前向选择法 Backward：反向删除法 Stepwise：逐步回归，最常用 把需要控制的变量用这种方法强制enter法
.
39
对强影响点的诊断和处理
同一元线性回归
.
40
多重共线性（conlinerarity diagnostics）
判断方法
✓ 相关系数矩阵：当相关系数>0.8，代表共线性 越大。
✓ 容忍度（tolerance）：最大值为1。当值越小， 代表共线性越大。
✓ 特征值（eigenvalue）：表示该因子所解释变 量的方差。如果很多变量的特征值<1，表示共 线性。
残差是否独立：用durbin-watson进行分析（取值 0<d<4）。如果独立，则d约等于2。如果相邻两点的 残差为正相关，d<2。当相邻两点的残差为负相关时， d>2。