第五章(多元回歸分析).ppt

1、2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,1,第5章 多元線性回歸,5.1 多元線性回歸模型 5.2 多元回歸參數(shù)的估計(jì) 5.3 參數(shù)估計(jì)量的性質(zhì) 5.4 回歸方程的顯著性檢驗(yàn) 5.5 中心化和標(biāo)準(zhǔn)化 5.6 相關(guān)陣與偏相關(guān)系數(shù) 5.7 建?？偨Y(jié)與評(píng)注,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,2,第5章 多元線性回歸,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,3,5.1 多元線性回歸模型,一、多元線性回歸模型的一般形式,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西

2、格瑪質(zhì)量管理研究中心,4,5.1 多元線性回歸模型,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,5,5.1 多元線性回歸模型,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,6,5.1 多元線性回歸模型,矩陣X是一n(p+1)矩陣,稱(chēng)X為回歸設(shè)計(jì)矩陣或資料矩陣。在實(shí)驗(yàn)設(shè)計(jì)中，X的元素是預(yù)先設(shè)定并可以控制的,人的主觀因素可作用其中,因而稱(chēng)X為設(shè)計(jì)矩陣。 二、多元線性回歸模型的基本假定 為了方便地進(jìn)行模型的參數(shù)估計(jì),對(duì)回歸方程（5.4）式有如下一些基本假定。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人

3、民大學(xué)六西格瑪質(zhì)量管理研究中心,7,5.1 多元線性回歸模型,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,8,5.1 多元線性回歸模型,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,9,5.1 多元線性回歸模型,三、多元線性回歸方程的解釋 為了給多元線性回歸方程及其回歸系數(shù)一個(gè)解釋,下面以p=2的一個(gè)微觀經(jīng)濟(jì)問(wèn)題為例給出回歸方程的幾何解釋和回歸系數(shù)的經(jīng)濟(jì)意義。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,10,5.1 多元線性回歸模型,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,

4、2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,11,5.1 多元線性回歸模型,對(duì)于回歸方程（5.13）式的圖形,已不像一元線性回歸時(shí)那樣,是一條直線,而是一個(gè)回歸平面。而對(duì)一般情況的回歸方程（5.3）式，當(dāng)p2時(shí)，回歸方程是一個(gè)超平面，無(wú)法用幾何圖形表示。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,12,5.2 多元回歸參數(shù)的估計(jì),一、回歸參數(shù)的普通最小二乘估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,13,5.2 多元回歸參數(shù)的估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)

5、人民大學(xué)六西格瑪質(zhì)量管理研究中心,14,5.2 多元回歸參數(shù)的估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,15,5.2 多元回歸參數(shù)的估計(jì),二、回歸值與殘差,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,16,5.2 多元回歸參數(shù)的估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,17,5.2 多元回歸參數(shù)的估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,18,5.2 多元回歸參數(shù)的估計(jì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)

6、束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,19,5.2 多元回歸參數(shù)的估計(jì),這是一個(gè)重要的結(jié)論,我們?cè)诙嘣€性回歸模型的基本假定中曾經(jīng)用過(guò)它,這里就更可清楚這個(gè)假定的重要意義。結(jié)論說(shuō)明,要想用OLSE估計(jì)多元線性回歸模型的未知參數(shù),樣本容量必須不少于模型中參數(shù)的個(gè)數(shù)。在后邊關(guān)于回歸方程的假設(shè)檢驗(yàn)中也少不了這一假設(shè),否則檢驗(yàn)無(wú)任何意義。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,20,5.2 多元回歸參數(shù)的估計(jì),三、實(shí)例分析 例5.1生產(chǎn)總值是衡量一個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r的重要指標(biāo)，影響一個(gè)國(guó)家或地區(qū)生產(chǎn)總值的因素包括資本、資源

7、、科技、勞動(dòng)力、進(jìn)出口、國(guó)家基礎(chǔ)設(shè)施建設(shè)等多方面的因素。本例研究財(cái)政支出對(duì)生產(chǎn)總值的影響。中國(guó)統(tǒng)計(jì)年鑒把財(cái)政支出劃分為31個(gè)組成部分。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,21,5.2 多元回歸參數(shù)的估計(jì),采用2005年我國(guó)31個(gè)省、市、自治區(qū)的數(shù)據(jù)，以地區(qū)生產(chǎn)總值（萬(wàn)元）為因變量y，以如上13種支出為自變量做多元線性回歸，數(shù)據(jù)見(jiàn)表5.1，其中自變量單位為萬(wàn)元人民幣。 用SPSS軟件計(jì)算出回歸系數(shù)表見(jiàn)表5.2：,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,22,5.2 多元回歸參數(shù)的估計(jì),這一回歸方

8、程并不理想,所選自變量數(shù)目過(guò)多，回歸系數(shù)的顯著性檢驗(yàn)不能通過(guò)，自變量間存在共線性，回歸系數(shù)的經(jīng)濟(jì)意義不好解釋,這里只是作為多元線性回歸參數(shù)估計(jì)的一例,后邊我們將要進(jìn)一步完善這一問(wèn)題模型的建立。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,23,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,24,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,25,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/3

9、1,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,26,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,27,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,28,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,29,5.3 參數(shù)估計(jì)量的性質(zhì),性質(zhì)4 Gauss-Markov定理,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,30,5.3 參數(shù)估計(jì)量的性質(zhì),目錄 上

10、頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,31,5.4 回歸方程的顯著性檢驗(yàn),當(dāng)求出線性回歸方程后,還需對(duì)回歸方程進(jìn)行顯著性檢驗(yàn)。多元線性回歸方程的顯著性檢驗(yàn)與一元線性回歸方程的顯著性檢驗(yàn)既有相同之處，也有不同之處。 下面介紹兩種統(tǒng)計(jì)檢驗(yàn)方法,一是回歸方程顯著性的F檢驗(yàn),另一個(gè)是回歸系數(shù)顯著性的t檢驗(yàn)。同時(shí)介紹衡量回歸擬合程度的擬合優(yōu)度檢驗(yàn)。 一、F檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,32,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研

11、究中心,33,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,34,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,35,5.4 回歸方程的顯著性檢驗(yàn),對(duì)例5.1題的數(shù)據(jù),用SPSS軟件計(jì)算出的方差分析表如下：,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,36,5.4 回歸方程的顯著性檢驗(yàn),二、回歸系數(shù)的顯著性檢驗(yàn) 在多元線性回歸中,回歸方程顯著并不意味著每個(gè)自變量對(duì)y的影響都顯著,因此我們總想從回歸方程中剔除那

12、些次要的、可有可無(wú)的變量,重新建立更為簡(jiǎn)單的回歸方程。所以就需要對(duì)每個(gè)自變量進(jìn)行顯著性檢驗(yàn)。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,37,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,38,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,39,5.4 回歸方程的顯著性檢驗(yàn),由于某些自變量不顯著，因而在多元回歸中并不是包含在回歸方程中的自變量越多越好，這個(gè)問(wèn)題將在第七章逐步回歸中做詳細(xì)討論。,目錄 上頁(yè) 下

13、頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,40,5.4 回歸方程的顯著性檢驗(yàn),在此僅介紹一種簡(jiǎn)單的剔除多余變量的方法后退法。當(dāng)有多個(gè)自變量對(duì)因變量y無(wú)顯著性影響時(shí),由于自變量之間的交互作用,不能一次剔除掉所有不顯著的變量。原則上每次只剔除一個(gè)變量,先剔除其中|t|值最小的（或P值最大的）一個(gè)變量,然后再對(duì)求得的新的回歸方程進(jìn)行檢驗(yàn),有不顯著變量再剔除,直到保留的變量都對(duì)y有顯著影響為止。也可根據(jù)對(duì)問(wèn)題的定性分析選擇t值較小的變量先剔除。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,41,5.4 回歸方程的顯著性檢驗(yàn),目

14、錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,42,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,43,5.4 回歸方程的顯著性檢驗(yàn),在一元線性回歸中，回歸系數(shù)顯著性的t檢驗(yàn)與回歸方程顯著性的F檢驗(yàn)是等價(jià)的，而在多元線性回歸中，這兩種檢驗(yàn)不同。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,44,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,45,5.4 回歸方程的顯著性

15、檢驗(yàn),三、擬合優(yōu)度,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,46,5.4 回歸方程的顯著性檢驗(yàn),在兩個(gè)變量的簡(jiǎn)單相關(guān)系數(shù)中,相關(guān)系數(shù)有正負(fù)之分,而復(fù)相關(guān)系數(shù)表示的是因變量y與全體自變量之間的線性關(guān)系,它的符號(hào)不能由某一個(gè)自變量的回歸系數(shù)的符號(hào)來(lái)確定,因而復(fù)相關(guān)系數(shù)都取正號(hào)。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,47,5.4 回歸方程的顯著性檢驗(yàn),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,48,5.5 中心化和標(biāo)準(zhǔn)化,在多元線性回歸分析中,因?yàn)樯婕暗蕉?/p>

16、個(gè)自變量,自變量的單位往往不同,給利用回歸方程進(jìn)行結(jié)構(gòu)分析帶來(lái)一定困難。再因?yàn)槎嘣貧w涉及的數(shù)據(jù)量很大,就可能由于舍入誤差而使計(jì)算結(jié)果不理想。盡管計(jì)算機(jī)能使我們保留更多位的小數(shù),但舍入誤差肯定還會(huì)出現(xiàn)。因此,對(duì)原始數(shù)據(jù)進(jìn)行一些處理,盡量避免大的誤差是有實(shí)際意義的。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,49,5.5 中心化和標(biāo)準(zhǔn)化,一、中心化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,50,5.5 中心化和標(biāo)準(zhǔn)化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心

17、,51,5.5 中心化和標(biāo)準(zhǔn)化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,52,5.5 中心化和標(biāo)準(zhǔn)化,二、標(biāo)準(zhǔn)化回歸系數(shù) 在上述中心化的基礎(chǔ)上,可進(jìn)一步給出變量的標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)化回歸系數(shù)。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,53,5.5 中心化和標(biāo)準(zhǔn)化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,54,5.5 中心化和標(biāo)準(zhǔn)化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,55,5.5 中心化和標(biāo)準(zhǔn)化,當(dāng)自變量所

18、使用的單位不同時(shí),用普通最小二乘估計(jì)建立的回歸方程,其回歸系數(shù)不具有可比性，得不到合理的解釋。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,56,5.5 中心化和標(biāo)準(zhǔn)化,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,57,5.5 中心化和標(biāo)準(zhǔn)化,標(biāo)準(zhǔn)化回歸系數(shù)是比較自變量對(duì)y影響程度相對(duì)重要性的一種較為理想的方法，有了標(biāo)準(zhǔn)化回歸系數(shù)后,變量的相對(duì)重要性就容易進(jìn)行比較了。但是,我們?nèi)蕴嵝讶藗儗?duì)回歸系數(shù)的解釋須采取謹(jǐn)慎的態(tài)度,這是因?yàn)楫?dāng)自變量相關(guān)時(shí)會(huì)影響標(biāo)準(zhǔn)化回歸系數(shù)的大小。參見(jiàn)參考文獻(xiàn)13。 幾乎所有的統(tǒng)計(jì)軟件

19、在建立多元線性回歸方程時(shí)都會(huì)自動(dòng)給出標(biāo)準(zhǔn)化回歸系數(shù)，通常他們稱(chēng)為貝它（Beta）值。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,58,5.6相關(guān)陣與偏相關(guān)系數(shù),一、樣本相關(guān)陣,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,59,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,60,5.6相關(guān)陣與偏相關(guān)系數(shù),用SPSS軟件計(jì)算出的例5.1生產(chǎn)總值數(shù)據(jù)的增廣樣本相關(guān)陣為,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管

20、理研究中心,61,5.6相關(guān)陣與偏相關(guān)系數(shù),二、偏判定系數(shù) 在多元線性回歸分析中,當(dāng)其他變量被固定后,給定的任兩個(gè)變量之間的相關(guān)系數(shù),叫偏相關(guān)系數(shù)。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,62,5.6相關(guān)陣與偏相關(guān)系數(shù),在講偏相關(guān)系數(shù)之前，首先引入偏判定系數(shù)。 1兩個(gè)自變量的偏判定系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,63,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,64,5.6相關(guān)陣與偏相關(guān)系數(shù),2.一般情況,其余情況

21、依此類(lèi)推。由習(xí)題知，偏判定系數(shù)與回歸系數(shù)顯著性檢驗(yàn)的F值是等價(jià)的。 三、偏相關(guān)系數(shù) 偏判定系數(shù)的平方根稱(chēng)為偏相關(guān)系數(shù)，其符號(hào)與相應(yīng)的回歸系數(shù)的符號(hào)相同。偏相關(guān)系數(shù)與回歸系數(shù)顯著性檢驗(yàn)的t值是等價(jià)的。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,65,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,66,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,67,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/

22、7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,68,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,69,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,70,5.6相關(guān)陣與偏相關(guān)系數(shù),目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,71,5.7 建模總結(jié)與評(píng)注,一、多元線性回歸模型的建立過(guò)程 本章結(jié)合兩個(gè)經(jīng)濟(jì)問(wèn)題實(shí)例介紹了多元線性回歸模型的建立過(guò)程,在此,我們?cè)俳Y(jié)合一個(gè)實(shí)例,把多元線性回歸模型的建立過(guò)程與應(yīng)用做一個(gè)完整的

23、介紹。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,72,5.7 建模總結(jié)與評(píng)注,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,73,5.7 建?？偨Y(jié)與評(píng)注,第一步，提出因變量與自變量，搜集數(shù)據(jù)，如例5.3所示。 第二步,做相關(guān)分析，設(shè)定理論模型。用SPSS軟件計(jì)算增廣相關(guān)陣，自變量的偏相關(guān)陣，輸出結(jié)果如下：,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,74,5.7 建?？偨Y(jié)與評(píng)注,一般認(rèn)為鐵路客運(yùn)量與民航客運(yùn)量之間應(yīng)呈負(fù)相關(guān),鐵路和民航共同擁有旅客,乘了火車(chē)就乘不

24、了飛機(jī)。但就中國(guó)的實(shí)際情況分析,我國(guó)居民的收入還很低,一般人外出旅游、出差都乘火車(chē)。近年來(lái)乘飛機(jī)的人也逐漸增多,但我國(guó)民航客運(yùn)量最大的一部分是來(lái)華旅游入境人數(shù)。國(guó)內(nèi)盡管有些客人乘坐飛機(jī),但對(duì)火車(chē)客運(yùn)量不會(huì)有大的影響,一是鐵路運(yùn)力不足,十分緊張;二是近年來(lái)外出民工增多,而民工主要乘火車(chē),所以不會(huì)因民航客運(yùn)量增加而導(dǎo)致火車(chē)客運(yùn)量下降。因此鐵路客運(yùn)量與民航客運(yùn)量之間的關(guān)系不密切是正常的。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,75,5.7 建?？偨Y(jié)與評(píng)注,第三步,用軟件計(jì)算，輸出計(jì)算結(jié)果。本例采用SPSS軟件對(duì)原始數(shù)據(jù)作回歸分析，輸出結(jié)果如下：,目錄

25、 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,76,5.7 建?？偨Y(jié)與評(píng)注,第四步，回歸診斷 1.回歸方程為,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,77,5.7 建?？偨Y(jié)與評(píng)注,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,78,5.7 建模總結(jié)與評(píng)注,第五步，回歸應(yīng)用,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,79,5.7 建?？偨Y(jié)與評(píng)注,二、評(píng)注 對(duì)于多元線性回歸模型未知參數(shù)向量的估計(jì)最主要的方法是普通最小二乘估計(jì)OLSE。在運(yùn)用OLSE估計(jì)未知參數(shù)時(shí)應(yīng)首先看具體問(wèn)題的樣本數(shù)據(jù)是否滿足模型的基本假定,只有滿足基本假定的模型才能應(yīng)用OLSE。,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,80,5.7 建?？偨Y(jié)與評(píng)注,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,81,5.7 建?？偨Y(jié)與評(píng)注,目錄 上頁(yè) 下頁(yè) 返回 結(jié)束,2020/7/31,中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心,8