多元线性回归分析 - 图文

回归分析

2 线性回归

—多元线性回归

2.4 自变量的选择

选择自变量的准则选择自变量进入回归模型的方法

1. 常用的简便方法：

引言：（偏F检验）

检验：（对给定的检验水平?）

2若Fj?F?时，拒绝H0,说明?Rj显著不为零，这

说明在x1,x2,?,xj?1,xj?1,?,xp变量已进入模型后，引入xj会明显提高对y的解释能力；

若Fj?F?时，则接受H?Rj2显著为零，所以，

0，

从全模型中删除xj, 对Y的解释能力无明显的减弱变化。

本章目录

41

回归分析

2 线性回归

—多元线性回归

2.4 自变量的选择

选择自变量的准则选择自变量进入回归模型的方法

1. 常用的简便方法：

向前引入法：（FORWARD）

其做法是：

（1）对p个自变量x1,x2,?,xp,分别同因变量y建立一元回归方程

y????x?e,i?1,2,...,p.0iii计算变量xi相应的Fj值，记为F1,F2,...,Fp(1)(1)(1)令：Fi(1)1?max{F,F,...,F}12p(1)(1)(1)本章目录

42

回归分析

2 线性回归

—多元线性回归

2.4 自变量的选择

选择自变量的准则选择自变量进入回归模型的方法

1. 常用的简便方法：

向前引入法：（FORWARD）

(1)若：Fi?F?(1,n?1?1)，则将xi引入回归方程.

1否则，算法终止。

（2）建立因变量y与自变量子集

i11i1i1?1i1i1?11{x,x},...{x,x},{x,x},...{x,x}的二元回归方程，并计算相应的F，记为：

i1pF,...,F1(2)(2)i1?1,F...,F(2)i1?1(2)1(2)jp?1(2)F(2)i2?max{F,...,Fi1?1,F...,F(2)i1?1(2)p?1}本章目录

43

回归分析

2 线性回归

—多元线性回归

2.4 自变量的选择

选择自变量的准则选择自变量进入回归模型的方法

1. 常用的简便方法：

向前引入法：（FORWARD）

若：Fi(2)2?F?(1,n?2?1)，则将

xi2引入回归方程

否则终止。

（3）重复上述过程，直到没有变量可引入为止。

本章目录

44