-
多元迴歸
鎖定
- 中文名
- 多元迴歸
- 外文名
- multivariable regression
- 第一條
- 數學模型
- 第二條
- 最小估乘
- 第三條
- 線性處理
- 處理方法
- 非線性模型轉化為線性模型
多元迴歸定義
在處理測量數據時,經常要研究變量與變量之間的關係。變量之間的關係一般分為兩種。一種是完全確定關係,即函數關係;一種是相關關係,即變量之間既存在着密切聯繫,但又不能由一個或多個變量的值求出另一個變量的值。例如,學生對於高等數學、概率與統計、普通物理的學習,會對統計物理的學習產生影響,它們雖然存在着密切的關係,但很難從前幾門功課的學習成績來精確地求出統計物理的學習成績。但是,對於彼此聯繫比較緊密的變量,人們總希望建立一定的公式,以便變量之間互相推測。迴歸分析的任務就是用數學表達式來描述相關變量之間的關係。
1、多元迴歸是指一個因變量(預報對象),多個自變量(預報因子)的迴歸模型。基本方法是根據各變量值算出交叉乘積和
。
2、這種包括兩個或兩個以上自變量的迴歸稱為多元迴歸。應用此法,可以加深對定性分析結論的認識,並得出各種要素間的數量依存關係,從而進一步揭示出各要素間內在的規律。一般來説,多元迴歸過程能同時提供多個備選的函數關係式,並提供每個關係式對實驗數據的理解能力,研究者可以結合自己的理論預期,據此作出選擇。
多元迴歸數學模型
它們之間的關係可表示為:
………………
其中,
是p+l個待估參數,εi表示第i次試驗中的隨機因素對yi的影響。為簡便起見,將此n個方程表示成矩陣形式:
其中
上式便是p元線性迴歸的數學模型。
[1]
多元迴歸最小估乘
根據微分學中的極值原理
應是下列方程組的解:
通過整理可將上述方程組寫成如下形式:
建立迴歸方程的目的是要利用它來進行預報與控制。在實際問題中,事先並不能斷定隨機變量y與
之間確有線性關係,在求解迴歸方程前,線性迴歸模型只是一種假設,所以在求出線性迴歸方程之後,還需對其進行統計檢驗,給以肯定或否定的結論。有關回歸方程及迴歸係數的顯著性檢驗問題,這裏就不介紹了。
多元迴歸線性處理
(1)多項式模型
多項式模型為
,
對方程中的變量作如下變換
則原方程變為
,
就可用線性模型的方法處理。
(2)指數模型指數模型為:
方程兩邊取對數得:
令
則可得線性方程
(3)冪函數模型冪函數模型為:
方程兩邊取對數得
令
則冪函數模型就變為線性模型
(4)成長曲線模型
成長曲線模型在經濟、教育和心理研究中都非常有用,其數學表達式為:
令
,
它就轉化為線性模型:
多元迴歸應用
(1) 確定幾個特定的變量之間是否存在相關關係,如果存在的話,找出它們之間合適的數學表達式;
(2) 根據一個或幾個變量的值, 預測或控制另一個變量的取值,並且可以知道這種預測或控制能達到什麼樣的精確度;