SAS系统和数据分析逐步回归分析.docx
《SAS系统和数据分析逐步回归分析.docx》由会员分享,可在线阅读,更多相关《SAS系统和数据分析逐步回归分析.docx(63页珍藏版)》请在冰豆网上搜索。
![SAS系统和数据分析逐步回归分析.docx](https://file1.bdocx.com/fileroot1/2022-10/11/19742446-f1fb-4a0a-8246-ab3e58fee983/19742446-f1fb-4a0a-8246-ab3e58fee9831.gif)
SAS系统和数据分析逐步回归分析
595382827.doc
商务数据分析
电子商务系列
第三十三课逐步回归分析
一、逐步回归分析
在一个多元线性回归模型中,并不是所有的自变量都与因变量有显著关系,有时有些自
变量的作用可以忽略。
这就产生了怎样从大量可能有关的自变量中挑选出对因变量有显著影
响的部分自变量的问题。
在可能自变量的整个集合有40到60个,甚至更多的自变量的情况下,使用“最优”子
集算法可能并不行得通。
那么,逐步产生回归模型要含有的X变量子集的自动搜索方法,可
能是有效的。
逐步回归方法可能是应用最广泛的自动搜索方法。
这是在求适度“好”的自变量子集时,同所有可能回归的方法比较,为节省计算工作量而产生的。
从本质上说,这种方
法在每一步增加或剔除一个X变量时,产生一系列回归模型。
增加或剔除一个X变量的准则,
可以等价地用误差平方和缩减量、偏相关系数或F统计量来表示。
无疑选择自变量要靠有关专业知识,但是作为起参谋作用的数学工具,往往是不容轻视
的。
通常在多元线性模型中,我们首先从专业角度选择有关的为数众多的因子,然后用数学方法从中选择适当的子集。
本节介绍的逐步回归法就是人们在实际问题中常用的,并且行之有效的方法。
逐步回归的基本思想是,将变量一个一个引入,引入变量的条件是偏回归平方和经检验是显著的,同时每引入一个新变量后,对已选入的变量要进行逐个检验,将不显著变量剔除,这样保证最后所得的变量子集中的所有变量都是显著的。
这样经若干步以后便得“最优”变量子集。
逐步回归是这样一种方法,使用它时每一步只有一个单独的回归因子引进或从当前的回
归模型中剔除。
Efroymoson(1966)编的程序中,有两个F水平,记作Fin和Fout,在每一步时,
只有一个回归因子,比如说
Xi,如果剔除它可能引起
RSS的减少不超过残差均方
MSE(即
ESS/(N-k-1))的Fout倍,则将它剔除;这就是在当前的回归模型中,用来检验
i=0的F比
(RSS(x1,x2,xi1,xi)
RSS(x1,x2,xi1))/MSE是小于或等于Fout。
若剔除的变量需要选择,则就选择使RSS减少最少的那一个(或等价的选择
F比最小的)。
用这种方式如果没有变量被剔除,则开始引进一个回归因子,比如
Xj,如果引进它后使
RSS
的增加,至少是残差均方的
Fin倍,则将它引进。
即若在当前模型加
Xj项后,为了检验
j=0
的F比,F≥Fin时,则引进Xj,其次,若引进的变量需要选择,则选择
F比最大的。
程序按
照上面的步骤开始拟合,当没有回归因子能够引进模型时,该过程停止。
二、变量选择的方法
若在回归方程中增加自变量Xi,称为“引入”变量Xi,将已在回归方程中的自变量Xj从
回归方程中删除,则称为“剔除”变量
Xj。
无论引入变量或剔除变量,都要利用
F检验,将
显著的变量引入回归方程,而将不显著的从回归方程中剔除。
记引入变量
F检验的临界值为
Fin(进),剔除变量
F检验的临界值为
Fout(出),一般取
Fin≥Fout,它的确定原则一般是对
k
上海财经大学经济信息管理系IS/SHUFE
Page1of25
595382827.doc
商务数据分析
电子商务系列
个自变量的
m个(m
≤k),对显著性水平
df1=1,
df2=
N
m1的
F分布表的值,记为
F*,
则取Fin=Fout=F*。
一般来说,也可以直接取
Fin=Fout=2.0或
2.5。
当然,为了回归方程中还能
够多进入一些自变量,甚至也可以取为
1.0或
1.5。
1.变量增加法
首先对全部k个自变量,分别对因变量Y建立一元回归方程,并分别计算这k个一元回
归方程的k个回归系数F检验值,记为{F11,F21,Fk1},选其最大的记为Fi1=
max{F11,F21,Fk1
},若有Fi1≥Fin,则首先将X1引入回归方程,不失一般性,设
Xi就是X1。
接着考虑X
分别与X
X,...,X
k
与因变量Y组成二元回归方程,对于这k-1个回归方程中
1
2
3
X,...,X
的回归系数进行
F
检验,计算
F值,并选其最大的F值F
2,若F
2
≥F
则接着就将
2k
j
j
in
X引入回归方程,不失一般性,设
X就是X。
j
j
2
对已经引入回归方程的变量
X1和X2,如同前面的方法做下去,
直至所有未被引入方程的
变量的F值均小于Fin时为止。
这时的回归方程就是最终选定的回归方程。
显然,这种增加法有一定的缺点,主要是,它不能反映后来变化的情况。
因为对于某个自变量,它可能开始是显著的,即将其引入到回归方程,但是,随着以后其他自变量的引入,它也可能又变为不显著了,但是,并没有将其及时从回归方程中剔除掉。
也就是增加变量法,只考虑引入而不考虑剔除。
2.变量减少法
与变量增加法相反,变量减少法是首先建立全部自变量
X
X,...,X对因变量Y的回归方
1
2
k
程,然后对
k个回归系数进行F检验,记求得的
F值为{F11,F21,
Fk1
},选其最小的记为
Fi
1=min{F11,F21,
Fk1},若有Fi
1≤Fout,则可以考虑将自变量
Xi从回归方程中剔除掉,不妨
设Xi就取为X1。
再对X,X,...,X
对因变量Y建立的回归方程重复上述过程,
取最小的F值为Fj2,若有Fj2
2
3k
≤Fout,则将
Xj也从回归方程中剔除掉。
不妨设
Xj就是X2。
重复前面的做法,直至在回归方
程中的自变量
F检验值均大于Fout,即没有变量可剔除为止。
这时的回归方程就是最终的回
归方程。
这种减少法也有一个明显的缺点,就是一开始把全部变量都引入回归方程,这样计算量比较大。
若对一些不重要的变量,一开始就不引入,这样就可以减少一些计算。
3.变量增减法
前面的两种方法各有其特点,
若自变量X,X,...,X
k
完全是独立的,则可结合这两种方法,
12
但是,在实际的数据中,自变量
X,X,...,X
之间往往并不是独立的,而是有一定的相关性存
12k
在的,这就会使得随着回归方程中变量的增加和减少,某些自变量对回归方程的贡献也会发
上海财经大学经济信息管理系IS/SHUFE
Page2of25
595382827.doc
商务数据分析
电子商务系列
生变化。
因此一种很自然的想法是将前两种方法综合起来,也就是对每一个自变量,随着其对回归方程贡献的变化,它随时可能被引入回归方程或被剔除出去,最终的回归模型是在回归方程中的自变量均为显著,不在回归方程中的自变量均不显著。
三、引入变量和剔除变量的依据
如果在某一步时,已有
l个变量被引入到回归方程中,不妨设为
X1,X2,,Xl,即已得
回归方程:
?
01X1
2X2
lXl
(33.1)
Y
并且有平方和分解式:
TSS
RSSESS
(33.2)
显然,回归平方和
RSS及残差平方和
ESS均与引入的变量相关。
为了使其意义更清楚
起见,将其分别设为
RSS(X1,X2
,Xl)及ESS(X1,X2,
Xl)。
下面我们来考虑,又
有一个变量Xi(l≤i≤k)被引入回归方程中,这时对于新的回归方程所对应的平方和分解式
为:
TSS=
RSS(
X1,X2,
Xl,
Xi)+
ESS(
X1,X2,
Xl,
Xi)
(33.3)
当变量
Xi引入后,回归平方和从
RSS(
X1,X2,
Xl)增加到
RSS(
X1,X2,
Xl,
Xi),而相应的残差平方和却从
ESS(
X1,X2,
Xl)降到
ESS(
X1,X2,
Xl,
Xi),并
有:
RSS(X1,X2,
Xl
Xi)-RSS(X1,X2,
Xl)
ESS(X1,X2,
(33.4)
=
Xl)-ESS(X1,X2,
Xl
Xi)
记
Wi
(
X2
,
Xl
Xi
)
(
X2
,
Xl
),它反映了由于引入
Xi
后,
RSSX1
RSSX1
Xi对回归平方和的贡献,也等价于引入
Xi后残差平方和所减少的量,称其为Xi
对因变量
Y的方差贡献,故考虑检验统计量:
Fi
Wi
X1,X2,,Xl
(33.5)
ESSX1
X2
,Xl,Xi/Nl1
其中N为样本量,l是已引入回归方程的变量个数,这时若有
FiFin,则可以考虑将
自变量Xi引入回归方程,否则不能引入。
实际上大于Fin的变量开始时可能同时有几个,那么是否将它们都全部引入呢?
实际编程
上海财经大学经济信息管理系IS/SHUFE
Page3of25
595382827.doc
商务数据分析
电子商务系列
序时并不是一起全部引入,而是选其最大的一个引入回归方程。
关于剔除变量,如果已有
l