当前位置:首页 > 百科

多元回归

研究一个因变量、与两个或两个以上自变量的回归。亦称为多元线性回归,是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。建立多个变量查果就回袁技略片之间线性或非线性数学读吃几段层宜模型数量关系式的统计方法。

在处理测量结投继已强非前何物数据时,经常要研究变量与变量之间的关系。变量之间的关系一般分为两种。一种是完全确定关系,即函数关系;一种是相关关系,即变量之间既存来自在着密切联系,但又不能由一个或多个变量的值求出另一个变量的值。例如,学生对于高等数学、概率与统计、普通物理的学习,会对统计物理的学习产生影响,它们虽360百科然存在着密切的关系,但弱集席装油距很难从前几门功课的学习成绩来精确地求出统计物理的学习成绩。但是,对于彼此联系比较紧密的变量,人们总希望建立一定的公式,以便变量之间互相推测。回归分析的任务就是用数学表达式来描述相关变量之间的关系。

1、底角停风左年多元回归是指一个因变量(预报对象),多个自变量(预报因子)的回归模型。基本方法是根内这稳度代纸据各变量值算出交叉乘积和Si。

2、这种包括两个或两个以上自变量的回归称为多元回归。应用此法,可以加深对定性程雨雷充至突父分析结论的认识,复吗树坐并得出各种要素间的数量依存关系,从而进一步揭示出各要素间内在的规律。一般来说,多元回归过程能同时提供多个备选的函数关系式,并提供每个关系式对实验数据的理解能力,研究者可以结合自己的理论预期,据此作出选择 。

  • 中文名 多元回归
  • 第一条 数学模型
  • 第二条 最小估乘
  • 第三条 线性处理

数学模型

概衡孩苏缺状种古  相关变量之间的关系可以是来自线性的,也可以是非线性的。这里只讨论多元线性回归。设x1,x2,…,xp是p个可以精确测量或杆雷认可控制的变量。如果变量y与x1,x2,…,xp之间的内在联系是线性的,那么进行n次试验,则可得把状n组数据:(yi,xi1,360百科xi2,…,xip),i=1,2,…,n

  它们之间的关系可表示为:

  y1=b0+b1x11+b2x12+…+bpx1p+ε1

  y2=b0+b1x21+b2x22+…+bpx2p+ε2

  ……………切余使

  yn=b0+b1xn1祖甚远一两义被绍+b2xn2+…+bpxnp+εn

屋威概眼电七手占  其中,b0,b1,b2,…,bp是p+l个待估参数,εi表示第i次试验中的随机因素对yi的影响。为简便起见,将此n个方程表示成矩阵形式:

  Y=XB+ε

  其中

  Y=(y为孩陈免仅上气易然1,y2,…,yn)'

  B=(b0,b1,…,bp)'

  ε=(ε1,ε2直眼深销整海既振放宣脸,…,εn)'

  上式便是p元线性回归的数学模型。

最小估乘

  为了求出多元线性回归模型中的参数b0,b1,b2,…,bp,可采用最小二乘法,即在其数学模型所属的函数类中找一个近似的物丝移答致种气函数,使得这个近似函数在已知的对应数据上尽可能和真实函数接近。

  设c0,c1,c2,…,cp分别是b0,b1,b2,…,bp的最小二乘估计,则多元回归方程(即近似函数)为:

  y=c0+c1x1队圆盐+c2x2+…+cpxp

  其中c0,c息革酒写将判局助河1,c2,…,cp叫做回归方程的回归系数。对每一组(xi1,xi2,…,xip),由回归方程可以确定一个回归值yi。这个回归值yi与实际观测值yi宣含府亲压听指之差,反映了yi与回归直线

  y=c0+c1x1+c1x2+…+cpxp的偏离程度。若对所有的观测数据,yi与yi(I=1,2,…,n)的偏离越小,则认为回归直线与所有试验点拟合得越好。全部观测值yi与回归值yi的偏差平方和为:

  根据微分学中的极值原理c0,c1,c2,…,cp应是下列方程组的解:

  通过整理可将上述方程组写成如下形式:

  即

  上式也可以用矩阵表示为:

  (X'X)C=X'Y

  其中,c=(c0,c1,c2,…,cp)',称为回归方程的李挥结细系数矩阵,X'是X的转置矩阵。当X'X满秩生候脚据许时,逆矩阵(X'X)-1存在,系数矩阵C可以表示为:

  C=(X'X)-1X'Y

  上式编左免举足现四根绝介即为回归模型中参数B的最小二乘估计。至此,我们就得到响娘批变川席种难卷了p元线性回归方程。

  建立回归方程的目的是要利用它来进行预报与控制。在实际问题中,事先并不能断定随适望装商剂容良核养仍而机变量y与x1,x2,…,xp之间确有线性关系,在求解回归方程前,线性回归模型只是一种假设,所以在求出线性回归方程之后,还需对其进行统计检验,给以肯定或否定的结论。有关回归方程及回归系数的显著性检验问题,这里就不介绍了。

线饭一开诗与约性处理

  由于线性回归方程比较简单,所以在遇到非线性模型时,最好将其转换为线性模型。

司松处史议加让赶银  (1)多项式模型

  多项式模型为y=β0+β1x+β2x^2+…+βkx^k+ε,

  对方程中的变量作如下变换x1==x,x^2=x2,……,x^k=xk,

  则原方程变为y=β0+β1x1+β2x2+…+βkxk+ε,

  就可用线性模型的方法处理。

  (2)指数模型指数模型为:

  来自y=aebxε

  方程两边取对数得:lny=lna+bx+lnε

  令y*=lny,β0=lna,β1=b,ε*=lnε

  则可得线性方

  y*=β0+β1360百科x+ε*

  (3)幂函数模型幂函数模型为:

  y=ax1b1x2含尽乎者开慢院跑的b2ε

  方程两边取对需杂唱良它相王数得

  lny=lna+b1lnx1+b21nx2+lnε

 路担坏当沉晶切采 令 y*=lny,b0=lna,

  xl*=lnxl,x2*=lnx2,ε*=lnε

  则幂函数模型就变为线性模型

  y*=b0+b1x1官衣夫转族*+b2x2*+ε*

  (4)成长曲线模创项欢胶斗止句基

  成长曲线模型在经济、教育和心理研究中都非常有用,其数学表达式为:

  y=1坚车/(β0+β1e-x+ε)

  令 y*=1/yx*=e-x,

  它就转化为线性前航吧亲身模型: y*=β0+β1x*+ε

应用

  (1) 确定几个特定的变量之间是否存在相关关系, 如果存在的话, 找出它们之间合适的数学表达式;

  (2) 根据一个或几个变量的值, 预测或控制另一个变量的取值, 并且可以知道这种预测或控制能达到什么样的精确度;

  (3) 进行因素分析。例如在对于共同影响一个变量的许多变量(因素)之间, 找出哪些是重要因素, 哪些是次要因素, 这些因素之间又有什么关系等等.

声明:此文信息来源于网络,登载此文只为提供信息参考,并不用于任何商业目的。如有侵权,请及时联系我们:fendou3451@163.com
标签:

  • 关注微信
上一篇:七宝刀
下一篇:大胜利

相关文章