- 1、本文档共70页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
十线性回归分析
* * 各项贷款余额x1、累积应收贷款x2、贷款项目数量x3、固定资产投资额x4是影响不良贷款y的关键因素。 多元线性回归模型 多重共线性检验 调整的多重判定系数 多元回归的拟合优度检验看这一项, 调整的多重判定系数为0.757,模型总体 拟合较好。 Sig值小于显著性水平,拒绝回归方程显著性 检验的零假设,认为各回归系数不同时为零。 “各项贷款余额”自变量的Tolerance值为0.188,“贷款项目个数”自变量的Tolerance值为0.261,表明可能存在共线性。 回归方法Method选择Stepwise,即“逐步回归”方法 模型b 调整后的多重判定系数Adjusted R Square为0.739,要优于模型a,后续表格只分析模型b的数据即可 模型b的F统计量为35.034,Sig为0.000,小于显著性水平0.05,表明拒绝原假设,认为各回归系数不同时为0,说明自变量与因变量之间存在线性关系。 多重共线性检验 容忍度为0.392,共线性较弱; VIF为2.551,也表明共线性较弱 非标准化回归方程: 标准化回归方程: * * * * 高斯基本假设 * * * * * 分母 N多的人结婚前 是 两代人一套房,少数人是一个人住两套房子,这是不正常现象要剔除 分子 结婚后两个人住一个房子,有N多的人来祝贺, 生活一段时间后,感情不和离婚了,两人各住一套房子,自然也没有N的人来祝贺了 * * * * * * * * * * * * * * * 检验回归方程中的每个解释变量x与被解释变量y之间是否存在显著的线性关系; 确定解释变量能否保留在线性回归方程中。 回归系数的显著性检验 回归系数的检验(样本统计量 的分布) 是根据最小二乘法求出的样本统计量,服从正态分布; 的分布具有如下性质 数学期望: 标准差: 由于?未知,需用其估计量se来代替得到 的估计标准差 回归系数的检验 (检验步骤) 提出假设 H0: b1 = 0 (没有线性关系) H1: b1 ? 0 (有线性关系) 计算检验的统计量 确定显著性水平?,并进行决策 ? t?t???,拒绝H0;? t?t???,不能拒绝H0 Sig值小于a,拒绝H0 利用回归方程进行估计和预测 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 第二节 多元线性回归 多元回归模型 (multiple regression model) 一个因变量与两个及两个以上自变量的回归; 描述因变量 y 如何依赖于自变量 x1 , x2 ,…, xk 和误差项 ? 的方程,称为多元回归模型; 涉及 k 个自变量的多元回归模型可表示为 b0 ,b1,b2 ,?,bk是参数 ? 是被称为误差项的随机变量 y 是x1,,x2 ,? ,xk 的线性函数加上误差项? ? 是y不能被k个自变量的线性关系所解释的变异性 多元回归模型(基本假定) 误差项ε是一个期望值为0的随机变量,即E(?)=0; 对于自变量x1,x2,…,xk的所有值,?的方差?2都相同; 误差项ε是一个服从正态分布的随机变量,即ε~N(0,?2),且相互独立; 多元回归方程 (multiple regression equation) 描述因变量 y 的平均值或期望值如何依赖于自变量 x1, x2 ,…,xk的方程 多元线性回归方程的形式为 E( y ) = ?0+ ?1 x1 + ?2 x2 +…+ ?k xk b1,b2,?,bk称为偏回归系数 bi 表示假定其他变量不变,当 xi 每变动一个单位时,y 的平均变动值 调整的多重判定系数(adjusted multiple coefficient of determination) 用样本容量n和自变量的个数k去修正R2得到 计算公式为 避免增加自变量而高估 R2 意义与 R2类似 数值小于R2 线性关系检验 提出假设 H0:?1??2????k=0 线性关系不显著 H1:?1,?2,?,?k至少有一个不等于0 计算检验统计量F 确定显著性水平?和分子自由度k、分母自由度n-k-1找出临界值F ? 作出决策:若FF ?,拒绝H0 回归系数的检验(步骤) 提出假设 H0: bi = 0 (自变量 xi 与 因变量 y 没有线性关系) H1: bi ? 0 (自变量 xi 与 因变量 y有线性关系) 计算检验的统计量 t 确定显著性水平?,并进行决策 ? t?t???,拒绝H0; ? t?t???,不能拒绝H0 多元回归分析中
文档评论(0)