Chap9.迴歸分析

1.迴歸分析之分類

2.迴歸基本原理

3.迴歸模型之檢驗

4.分析範例

自變數與依變數

應用範例

行銷研究:消費量(Y)=a + bX(消費者所得)

教育研究:後測成績(Y)=a+b1X1(準備時間)+b2X2(前測分數)

農業研究:玉米收穫量(Y)=a+b1X(水位)+b2X2

依自變數個數區分

單變數迴歸(簡單迴歸)

複迴歸

依線性性質區分

線性迴歸

非線性迴歸

依依變數個數區分

單一迴歸式

聯立迴歸式

迴歸主要用途

預測

連續變數間的因果影響關係

單變數迴歸模型

例如:存款=β0+ β1 所得

假設每一個yi彼此間獨立,不會相互影響,也就是沒有自我相關(autocorrelation),且所有的變異數 都相等,也稱之為同質性(homoscedasticity)

殘差

獨立性:互相獨立(independent),相關係數為0,無自我相關

常態性:來自一個平均值為0,變異數為σ2的常態分配

複迴歸模型

β0、 β1、…βk稱為偏迴歸係數(partial regression coefficient),而b0、b1…bk則是他們的估計值


所有自變數x間相互獨立,即沒有線性重合(multicollinearity)問題

殘差項需滿足殘差共變數為0,亦即無序列相關

樣本數目需大於自變數個數,N > K + 2

模型選擇:選擇適當的自變數與函數型式

配適度檢測

R-square值與adj-R-square

ANOVA的F值檢定

變數關係判定-迴歸係數bi 的顯著與否(t檢定)

檢定的假設為H1:bi ≠0

共線性(multicollinearity)診斷

殘差分析

殘差應為常態分配

異常值(outliers)分析

單變數迴歸:範例一

複迴歸

當自變數已確定:範例二

當自變數未定時,選擇適用的自變數:範例三:逐步迴歸法(stepwise)

虛擬變數的運用:範例四 、範例五

干擾效果:範例六、範例七

中介效果:範例八