为啥多元线性回归模型的自变量之间要求相互独立

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了为啥多元线性回归模型的自变量之间要求相互独立相关的知识,希望对你有一定的参考价值。

参考技术A 如果多元线性回归的自变量存在多重共线性(相互不独立),则会导致回归的结果不可靠,不真实。

多元线性回归理论与实践

多元线性回归模型用途:

1、  回归用来拟合,解释现象;

2、  用来构建观测数据集与自变量之间一个预测模型;

3、  用来量化y与 技术分享 相关性强度

假设:

1、  观测数据技术分享 相互独立

2、  随机误差服从于方差相同的正态分布

原理:

技术分享

技术分享

技术分享

技术分享

####R语言####################

1、#########################查看数据相关性######################################

data=iris

round(cor(data[,1:4]),3)

plot(data$x1,data$x2)

2、#########################初步建模##########################################

lm1=lm(y~x1+x2+x3,data=a1)

Summary(lm1)

通过F检验,发现初步建模的模型是否线性关系显著。从T检验发现,看哪几个自变量与因变量线性关系较为显著(注意,并不是说其余字段可以剔除)。

3、#######################模型诊断,即显著性检验##############################

par(mfrow=c(2,2)) ####设置画图为2*2的格式

plot(lm1,which=c(1;4)) ########画出lm1中对应于模型检验的4张图,包括残差图(自变量随机误差项是否同方差) 、QQ图(检验随机误差项是否正态分布)和Cook距离图(检验异常值)

a1=a1(-47)#########如有异常值,应以剔除

################################剔除后看效果############################

Lm2=lm(y~x1+x2+x3,data=a1)

Summary(lm2)

4、####################检验自变量多重共线性##################################

#####################方差膨胀因子检验:VIF###########################

Library(car)

Round(vif(lm2),2)

####################AIC和BIC选择#########################

Lm.aic=step(lm2,trace=F)

Summary(lm.aic)

Lm.bic=step(lm2,k=log(length(a1[,1])),trace=F)

Summary(lm.bic)

5、##############################模型效果#######################################

Y1=predict(lm2,a2)

Y2= predict(lm.aic,a2)

Y2= predict(lm.bic,a2)

Y0=a2[,10]

R0=y0-a2$ROEt

R1=y0-y1

R2=y0-y2

R3=y0-y3

Resid=abs(as.data.frame(cbind(r0,r1,r2,r3)))

Sampply(resid,mean)

 

#########matlab语言########################

1、  b=regress(Y,X),b 为回归系数估计值

2、  [b,bint,r,rint,stats]=regress(Y,X,alpha)

alpha 为显著性水平(缺省时设定为0.05),b,bint 为回归系数估计值和它们的置信区间,r,rint 为残差(向量)及其置信区间,stats 是用于检验回归模型的统 计量,有四个数值,第一个是 ,第二个是F,第三个是与F 对应的概率p, 拒绝,回归模型成立,第四个是残差的方差

3、  残差及其置信区间可以用 rcoplot(r,rint)画图

#######################查看除第?个数据外其余残差的置信区间均包含零点,即视为异常点,将其剔除后重新计算###########################

4、########################实现变量选择##############################

stepwise(x,y,inmodel,alpha) 其中x是自变量数据,y是因变量数据,分别为 m n× 和 1 ×n 矩阵,inmodel是矩阵x的 列数的指标,给出初始模型中包括的子集(缺省时设定为空),alpha为显著性水平。

 

以上是关于为啥多元线性回归模型的自变量之间要求相互独立的主要内容,如果未能解决你的问题,请参考以下文章

线性回归模型 为啥要求随机误差的均值为0

多元线性回归模型在1%的情况下显著是怎么看的

以下回归模型中属于线性回归模型的都有哪些

多元线性回归分析浅谈

什么是线性回归模型

Matlab多元线性回归(Excel可直接替换数据)