2023年反倾销反补贴
4月18日发(作者：移动插座)多元线性回归模型
1 多元线性回归模型 1.1 多元回归模型的构建名称 多元线性回归
模型 优先级 高描述 由于经济现象的复杂性,一个被解释变量往往
受多个解释变量的影响.多元回归模型就是在方程式中有两个或两个
以上自变量的线性回归模型.多元线性回归预测是用多元线性回归模
型,对具有线性趋势的税收问题,使用多个影响因素所作的预测.要求
输入 有指标需要进行预测的cube.该cube由实施人员在实施过程中
根据客户的具体需要定制,该cube中的各个测量值是相关的,各维度是
与预测分析有联系的.处理 由用户选择回归模型分析角度和分析指
标(包括因变量和自变量.注意:此处的分析指标是指cube中的测量值,
下同),系统进行回归方程的拟合以及假设检验.展示回归方程式及假
设检验的结果,并利用回归方程式进行预测.具体操作步骤如下: 分析
角度的选取依照以下原则: 1. 选择分析角度和分析指标(包括因变量
和自变量). 假设对时间序列数据的回归分析,时间维必须在同一层次
上,否则,系统给出以下提示信息:"分析角度的选择有误,时间维必须在
同一层次上,请做修改!",如果用户不做相应的修改,则回归模型不进行
构建.其它的维度原则上只能选取一个成员,假设存在选择多个的情况,
系统给出相应的警告提示:"分析角度的选择可能有误,请检查!",但允
许用户在不进行任何修改的情况下继续回归模型的构世界风景园
建;所选中的时
间维成员个数必须多于"自变量的个数+3",否则给出以下提示信息:"
数据量太少,不能完成回归模型的构建"; 假设进行横截面数据的回归
分析,除时间维外的其它维度中必须有一个是选择所有成员的,时间维
学习文档 仅供参考
只能选择一个维成员,否则给出以下出错信息:"不同时间点的横截面
数据没有可比性,不适合进行回归分析!" 如果用户不做相应的修改,
则回归模型不进行构建.对于选取的所有成员的维度,其成员个数必须
多于"自变量的个数+3",否则给出以下提示信息:"数据量太少,不能完
成回归模型的构建"; 分析指标(包括自变量和因变量)的选取依照以
下原则. 自变量的选择.自变量可以选择了多个分析指标. 因变量的
选择.因变量只能选取一个指标,在编码时必须对其进行设置. 2. 回归
方程的拟合回归分析优秀的议论文
原理是利用具有因果关系的经济变量的样本观
测量,按照一定的实现原理来建立能够使被解释变量大型猫品种
的计算值与实际
值误差最小的回归方程,以此作为研究对象总体模型的估计参数.多元
线性回归模型的构建就是求出因变量(以y表示)自变量(以 表示,其中
M为自变量的个数)的线性关系式: 回归模型的拟合就是利用最小二
乘法求出参数 的估计值 (其中i=1,2,…,M).具体求解的过程如下:假
设已从cube中读入了因变量(以y表示)的N(N>3)个数据,记为 ,自变
量的 (其中i=1,2,…,M)的N(N>3)个数据,记为 ,(注意:此处需要用一
个NM的二维数组存放自变量的数据,数组中的每一列存放一个测
量值的数据,此处与报表中所显示的格式是相同的,在报表中,一个测
量值的数据也是用一个列来显示的.)参数的计算请参见下面的文档: 3.
回归结果的呈现显示回归方程式在界面上显示回归方程式 4. 回归
模型的假设检验构建一个经济计量模型会涉及到模型的形式,自变量
的参数,模型的总体效果等的问题,因此,利用最小二乘法估计参数构
成一元线性回归模型后,还需要进行拟合优度检验,t检验和F检验等
学习文档 仅供参考
统计检验. 拟合优度检验拟合优度检验就是对样本回归模型与样本
观测值之间拟合程度的检验.判断回归模型拟合度优劣的数量指标是
样本决定系数,也称可决系数.可决系数的范围在0到1之间,在一般情
况下,
可决系数越大,说明拟合程度越好,可决
系数越小,则拟合度越差
.可决系数使用下面的公式计算
为了克服自变量个数和样本容量的影响,对可决系数进行修正,得到调
整后的可决系数 的取值范围是0到 ,其值越大说明拟合度越好,它对
于模型中自变量的个数反映灵敏. 检验回归模型的t检验就是检验每
个自变量对因变量的影响是否显著的一种统计检验.就一元线性回归
模型而言,t检验就是检验总体参数 , i=0,1,2,…,M的估计值 在一定的
显著水平上是否为零的问题.其计算过程如下: 计算回归的标准误差
SE 计算参数 标准差的估计值 ,其中,其中i=0,1,2,…,M 计算参数 标
准差的t统计量 ,其中i=0,1,2,…,M 计算各统计量 对应的显著水平 ,
其中i=0,1,2,…,M.此处的自由度为N-M-1.(说明:鉴于不知道用户设定
的显著性水平(即 )是多少,所以在假设检验时不好求出其临界值并进
行判断.此处是通过计算检验统计量所对应显著性水平 来完成假设
检验的.用户可以根据该显著性水平与自己设定的显著性水平 进行
比照,如果 >= ,则说明该变量不能通过t检验,否则,说明该变量可以通
过t检验(此处所做的双边的t检验)). 如果 小于0.1(系统默认的显著
性水平),说明自变量Xi可以通过t检验,否则,说明自变量Xi不能通过
t检验. F检验回归模型的F检验就是根据样本观测节约粮食的故事
值推断总体函数的
线性关系是否显著成好看的剧
立的一种统计检验方法.其具体实现过程如下:
学习文档 仅供参考
计算F统计量 计算检验统计量F的显著性水平 ,此处的第一自由度
为M,第二自由度为N-M-1.(说明:鉴于不知道用户设定的显著性水平
(即 )是多少,所以在假设检验时不好求出其临界值并进行判断.因而,
此处是通过计算检验统计量所对应显著性水平 来完成假设检验的.
用户可以根据该显著性水平与自己设定的显著性水平 进行比照,如
果 >= ,则说明该变量不能通过F检验,否则,说明该变量可以通过F检
验). 如果 小于0.1(系统默认的显著性水平),说明回归方程可以通过F
检验,否则,说明回归方程不能通过F检验.以上各检验参数的具体计算
请参见文档《多元回归模型的有关计算.doc》 5. 假设检验结果的显
示为了使回归模型的分析结果更为紧凑并配合回归模型的UI原型,
在"多元回归分析结果"界面上只显示拟合优度检验,t检验以及F检验
的结果. 拟合优度检验结果的显示:在方程式的后边显示回归的可决
系数.显示方式如下: "可决系数=(上面算出的 )" t检验以及F检验的
结果的显示在方程式的下面,回归图形的上面显示t检验以及F检验的
结果.显示方式如下: 如果所有自变量Xi, i=0,1,2,…,M可以通过t检验,
显示以下信息"所有自变量对Y的影响显著,可以通过t检验";否则,显
示不驴的寿命
能通过t检验的变量信息,即假设第i个自变量不能提供t检验,
则提示以下信息"第i个自变量不能通过t检验". 如果回归方程可以通
过F检验,显示以下信息:"总体Y与X的线性关系显著,回归方程可以
通过F检验";否则,显示以下信息:"总体Y与X的线性关系不显著,回
归方程不能通过F检验". 假设检验的详细结果的显示假设检验的详
细结果在另外一个界面中显示,在"回归分析结果的界面"中用一个按
学习文档 仅供参考
钮"详细信息"进行控制,该按钮放在t检验以及F检验的结果的后边.
详细结果包含以下三个部分的内容:"回归统计","方差分析表"和"回归
系数信息"(以表格的形式显示) 回归统计: 回归统计可决系数 调整
后的可决系数 标准误差 SE 观测值个数 N 方差分析表: 来源 自
由度 平方和 均方和 打伞图片
F值 显著性水平回归 M F 残差 N-M-1
/(N-M-1)- -总体 N-1 - - -(注:表中的"-"号表示该格中没有内容,为空格)
回归系数信息表 系数 标准差 t统计量 显著性水平截距 X1 X2 XM
输出 预测模型的分析角度(即维度信息)和分析指标(即测量值的信
息),一元线性回归模型系数,假设检验结果,回归统计表,方差分析表,回
归系数信息备注 1.2 多元回归模型的使用名称 多元线性回归模型
的使用 优先级 高环保大会
高描述 利用上一步中构建好的回归模型进行预
测要求 输入 在上一步中构建的回归模型的系数的信息及假设检验
的结果处理 如果多元回归模型不能通过t检验以及F检验,则进行预
测,提示以下信息:"回归模型不能提供假设检验,不能用其进行预测,请
重新构建模型." 如果多元回归模型已经通过了t检验以及F检验,则
可以利用回归方程进行预测,其具体操作流程如下: 提示用户输入各
自变量的预测值,在界面上要有相应的提示信息及读入数据的功能
用户输入数据后,把数据相应地存放在变量xpi,i=0,1,2,…,M 把各自变
量的值代入回归方程进行计算,得到的结果就是预测值,即计算 在界
面相应的位置显示回归的预测值 输出 用户输入的各自变量的值以
及回归方程的预测值备注 1.3 多元回归模型的分析报告名称 多元
线性回归模型的分析报告 优先级 高 高描述 以分析报告的形式输
学习文档 仅供参考
出回归方程及预测的信息要求 输入 回归方程的系数信息,假设检验
信息,用户输入的自变量的预测值,回归预测的结果处理 分析报告的
具体内容请参见下面的文档中的具体例子 注意: 这里的分析报告只
是一个系统默认的模板,用户可以修改该模板中的内容,修改后的模板
可以回写到知识库中; 用户可以根据不同的需要对多元回归模型自
己构建多个模板;输出 分析报告以文本的格式输出到屏幕上,并可以
根据用户的需要输出成WORD文档等其它格式的文档.用户在BI的
界面上可以修改分析报告的内容.
一、多元线性回归 2#
多元线性回归：regress
二、多项式回归 3#
一元多项式：polyfit或者polytool
多元二项式：rstool或者rsmdemo
三、非线性回归 4#
非线性回归：nlinfit
四、逐步回归 5#
逐步回归：stepwi
学习文档 仅供参考
