应用多元统计分析 北大版 第四章.ppt

应用多元统计分析 第四章 回归分析 第四章 §4.1 经典多元线性回归 回归方程的显著性检验 第四章 §4.1 经典多元线性回归 回归方程的显著性检验 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--平方和分解公式 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--平方和分解公式 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--平方和分解公式 第四章 §4.1 经典多元线性回归回归方程的显著性检验--平方和分解公式 第四章 §4.1 经典多元线性回归 回归方程的显著性检验—定理4.1.3 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--定理4.1.3 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--定理4.1.3 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--定理4.1.3 第四章 §4.1 经典多元线性回归 回归方程的显著性检验--定理4.1.3 第四章 §4.1 经典多元线性回归 回归方程的显著性检验 第四章 §4.1 经典多元线性回归回归系数的显著性检验 第四章 §4.1 经典多元线性回归回归系数的显著性检验 第四章 §4.1 经典多元线性回归回归系数的显著性检验 第四章 §4.1 经典多元线性回归回归系数的显著性检验 第四章 §4.1 经典多元线性回归 回归系数的显著性检验 第四章 §4.1 经典多元线性回归 回归系数的显著性检验 第四章 §4.1 经典多元线性回归 建立“最优”回归方程 第四章 §4.1 经典多元线性回归 预测值和预测区间--选项: P,CLM,CLI 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章 §4.1 经典多元线性回归回归分析的例子（REG） 第四章§4.2回归变量的选择与逐步回归 第四章§4.2回归变量的选择与逐步回归变量选择问题 第四章§4.2回归变量的选择与逐步回归变量选择问题 第四章§4.2回归变量的选择与逐步回归最优选择的标准 第四章§4.2回归变量的选择与逐步回归 变量选择方法--逐步筛选法(计算量小) 在REG过程中逐步筛选变量的方法通过以下有关的选项给出： FORWARD: 向前加入法,即逐个加入变量; BACKWARD: 向后删除法,全部加入后逐个剔除; STEPWISE: 逐步筛选法,边进边出; 第四章§4.2回归变量的选择与逐步回归变量选择方法--逐步筛选法(计算量适中) MAXR：逐个加入和对换，使R2增加最大; 开始加入使R2增加最大的变量，以后每一步选择模型 内外变量进行对换--１.选择使R2增加最大的对换; ２.选择加入一个使R2增加最大的新变量. MINR：逐个加入和对换，使R2增加最小. 开始加入使R2增加最小的变量，以后 每一步选择模型内外变量进行对换--１.选择R2增加最小的对换; ２.选择加入一个使R2增加最小的新变量. 第四章§4.2回归变量的选择与逐步回归变量选择方法--所有可能回归法 第四章§4.2回归变量的选择与逐步回归 逐步回归--基本思想和步骤 第四章§4.2回归变量的选择与逐步回归 逐步回归--基本思想和步骤(框图) 第四章§4.2 回归变量的选择与逐步回归 逐步回归--例子 第四章§4.2 回归变量的选择与逐步回归 逐步回归--例子 第四章§4.2 回归变量的选择与逐步回归逐步回归--例子 第四章§4.2 回归变量的选择与逐步回归变量选择的其它例子 第四章§4.2 回归变量的选择与逐步回归变量选择的其它例子 第四章§4.2 回归变量的选择与逐步回归变量选择的其它例子 第四章§4.3多因变量的多元线性回归 参数矩阵Σ的估计 或 令 当p=1时(即多元线性回归模型),数值 称为残差平方和(或剩余平方和).对一般p,Q是p×p矩阵,它是残差平方和的推广，称为残差阵. Q有以下计算公式： (4.3.5) (In-H)为对称幂等阵。 第四章§4.3多因变量的多元线性回归 参数矩阵Σ的估计 很自然地，我们用残差阵Q作为随机误差向量ε