cda1saseg發(fā)學(xué)員-上課用數(shù)據(jù)和練習(xí)題課件185上午線性回歸

Join1818.1單線性回18.2元回歸概18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5型解Join1818.1單線性18.2元回歸18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5型解1Join 目前尚有一些客戶后沒預(yù)測變

Join反應(yīng)變2Join預(yù)測變預(yù)測變量的類反應(yīng)變量的類分連連續(xù)和連法（OLS)分Join在給定預(yù)測變量值的情況下預(yù)測反3Join JoinY=0+1X1+這Y0,

是因變4Join 最好的回歸模+Y–殘真實Y=0+Join被解釋的變vs被解釋的變未未被解釋* 被解釋總5Join最小化每個觀測點到擬合曲線的距?? i1 1nxx/nn2xxi201Join6Join原假簡單線性回歸模型并不比基線模型1=備選假簡單線性回歸模型確實擬合得比基線模型1Join簡簡單線形回歸，兩個檢驗等價，為什么？而F和t統(tǒng)計量之間有什么關(guān)系7Join模型參數(shù)和被解釋變量之間是線形關(guān)系y=β0+β1x2+y=β0+β1ln(x)+uy=e(β0+β1x+u)Ln(P/(1-P))β0βx+u(其中P為Y=1的概率以在回歸前進行任意函數(shù)變Joinb、正交假定：誤差項與自變量不相關(guān)，其期望為E(ux)=0,即擾動項和解釋變量不能線形相關(guān)8JoincCO-未知的關(guān)Y=0+未知的關(guān)Y=0+Join9Join該示例闡述了之前討論的概。Join解釋力

Join

萬元，支出增加JoinY的均一個隨機X1的均0JoinY的均X1的均0Join Y=0+Join該示例闡述了之前討論的概念Join1818.1單線性回18.2元回歸概18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5型解Join闡明多元線性回歸相對于簡單線性回歸的優(yōu)（優(yōu)點）解釋線性回歸任描述一下多元線性回歸的常見誤JoinY=0+1X1+2X2+這YX1和01

是因變Join，k個自變量是：X1到Y(jié)=0+1X1+...+kXk+Y=0+1X1+2X2+

Y=0+1X1+2X123X2+4X22+JoinFtAdjustedJoinFtAdjustedJoin解釋變量和隨機擾動項不 性關(guān)系解釋變量之間不 性關(guān)系（或強相關(guān)-新增假設(shè)隨機誤差項是一個均值為0的正態(tài)分。假設(shè)隨機誤差的方差恒為2誤差是獨立的

Join2 2

(ni)(1R2n

i1當(dāng)有截距項時，反之等于pJoin預(yù)測變年收入 e）

反應(yīng)變注意:開卡時常（duration）0。Join該示例闡述了之前討論的概念Join1818.1單線性18.2元回歸18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5型解JoinJoin Joinx1x1x2x3x4x5x6x7x80方最高、P值最小、AIC或BIC01（b*X5）,得到殘差b*X5b*X5）012Join01的，比如P值不能大于

20123

x5 x5 Join0–和向前 操作類 ，只不解釋變

，剔除 個最沒解釋力 的變量 依次類 ，直至有變量 剔 Join0法，直至有4 變量納入到模型中02341234–之后遵–之后遵循向后012345接著又遵循向前法，加入一個最有解釋力度的變量。這2才被剔除的變量，也有可能不是這個變量56Join

123456變量個數(shù)012345

Join

可選模型數(shù)量X1或X1或X1和X1和48Join線性回歸中有三個最主要的指標，分別是調(diào)整的R方、CpCp是Hocking(1976) 模型，對于解釋類模型，選Cp最接近2ppfull+1的模型。Cp （Hocking(1976)Cp）或； k為模型中未知參數(shù)的個數(shù),n為估計模型參數(shù)時使用的樣本JoinJoin沒有法可以在建模階段獲得最有效的模型，可以通過Join1818.1單線性回18.2元回歸概18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5型解Join預(yù)測變 反應(yīng)變收 支Join預(yù)測變預(yù)測變量的類反應(yīng)變量的類分連連續(xù)和連協(xié)方差分Join線性模型任務(wù)可以完成單因子、多因子方差分析、線性回歸和協(xié)方差分Join線性回歸任務(wù)v.s.線性模型任

53思考】為什么自動產(chǎn)生啞變量和模型篩選功能不能同時提供Join模型

非參數(shù)單因子任廣義線性模型任泊松分布、伽瑪分布混合模型任

線性模型任解釋變量沒有限邏輯回歸任解釋變量沒有限

單因子方差（包括T檢驗解釋變量為單個的分線性回歸任解釋變量為單個或多個連續(xù)變 Join1818.1單線性18.2元回歸18.318.4同時使用連續(xù)變量和分類變量作解釋變量18.5JoinJoinlog(wage)01educ%w