多重回归与自变量的筛选方法.pptVIP

第三章 逐步回归与自变量筛选方法,一、问题的提出 1. 多元线性回归需对系数作检验，无意义的变量需剔除，由于变量间相关性，其他变量的显著性发生改变 2.从应用和分析目的角度，精选自变量模型拟合要优、变量节俭 问题：如何选择自变量进入模型？ 1. 分析目的；2.建立模型的统计准则是什么？3.结合专业和实际问题考虑,二、自变量筛选的标准与原则,1.残差平方和、残差均方准则 当残差平方和（SSE）最小时，决定系数（R2）达到最大。 n为样本含量， R2 为包含m个自变量的回归方程的决定系数。 R2是随着变量数的增加而增大，而 不受变量数的影响，,2. CP统计量 n为样本含量，p表示进入模型的自变量个数，m表示所有自变量个数， 表示从全部m个自变量的回归模型中得到的残差均方。 在模型变量个数减少的过程中第一次 值接近p+1时，模型最佳。如果 自变量中没有包含对 Y有主要作用的变量，则不宜用 方法选择自变量。 3.AIC准则 由Akaike在极大似然基础上提出的，Akaike信息量准则 AIC=n（ssp）-2（p+1） ssp表示选入模型p个变量的剩余平方和。AIC越小越好。,4.预测平方和准则（press统计量，预测精度）,Press=di2 di2=Yi-XI Xi 表示剔除了所要预测的第i观测值以后所剩余观测值所做估计。 5.逐步回归（统计显著性准则） 统计显著性准则：把有统计学意义的变量选入模型，得到的回归模型不一定是最佳预测模型。 三. 逐步回归分析（stepwise regression） 1. 概述 简单地对回归系数作检验，比较复杂； 用前述的几个指标是在所有子集回归中选最优回归模型，而逐步回归是每一步引入或剔除一个变量（其标准是F检验），直到引不进又剔不出为止，建立一个包含所有对因变量有影响的自变量。不是最优回归,二、逐步回归法,方法：向前法（forward ）、向后法（backward）、逐步法（stepwise ） 每一步只引入或剔除一个自变量准则，是基于对偏回归平方和的F检验,（1）向前法(forward)，回归方程中的自变量是一个个进入的，最有统计学意义的变量最先进入，依此类推。即只进不出。 Y对每一个自变量作线性回归，计算各自变量的偏回归平方和，选取偏回归平方和最大者作F检验，有意义（P小）则引入。 局限性：即后续变量的引入可能会使进入方程的自变量变得不重要。 （2） 向后法(backward)，先将全部自变量选入方程，然后逐步剔除无统计学意义的自变量。即只出不进。偏回归平方和最小的变量，作F检验及相应的P值，决定它是否剔除（P大） 。重复上述过程。,剔除自变量的方法是在方程中选一个偏回归平方和最小的变量，作F检验决定它是否剔除，若无统计学意义则将其剔除，然后对剩余的自变量建立新的回归方程。重复这一过程，直至方程中所有的自变量都不能剔除为止。理论上最好，建议使用采用此法。 （3）逐步法(stepwise)，逐步回归法是在前述两种方法的基础上，进行双向筛选的一种方法。逐步的把有统计学意义的变量选入模型，也逐步剔除原先无统计学意义的变量。即有进有出。该方法本质上是前进法。,3.计算方法与步骤 首先确定引入与剔除变量的F统计量标准，检验水准a定为0.05 0.30，值越小表示选取自变量的标准越严。 注意：引入变量的检验水准要小于或等于剔除变量的检验水准。 四.注意事项 1.选择恰当的a和F值（选择不同的a 多做几次，看哪个更合要求）。 2.当自变量之间有高度相关时，很难建立模型。 3.可以考察变量之间的交互作用。 4.有从专业上认为必须引入,五. 回归系数反常分析 回归系数的反常现象 1. 回归系数的正负符号与客观实际不一致。 2. 专业认为有统计学意义，但结果无统计学意义。回归系数正常，但标准误很大，无统计学意义。 3. 稍微改变a，引入的变量差别较大，回归方程不稳定。 4. 重要变量进不了模型。 主要原因 1. 自变量的多重共线性 2. 设计时某些重要的变量没有考虑进来。 3. 样本量太小 4. 变量的测量误差大有异常值。 5. 变量取值范围太窄。,六.SAS程序,Data A; Input x1-x3 y; Cards; . Proc reg; Model y=x1-x3/selection=stepwise(forward backward) sle sls; Run;,Proc reg; Model y=x1-x3/ cp adjrsq ; Run; Proc stepwise; Model y=x1-x3/stepwise(forward