二元线性回归分析预测法 (重定向自二元线性回归预测法) 目录 [隐藏] 1 什么是二元线性回归分析预测法 2 二元线性回归分析模型[1] 3 二元线性回归分析模型的检验及参数确定[1] 4 相关条目 5 参考文献 [编辑] 什么是二元线性回归分析预测法 二元线性回归分析预测法是指运用影响一个因变量的两个自变量进行回归分析的一种预测方法。关键是通过因变量同两个自变量的因果关系进行回归分析术解回归方程，对回归方程进行检验得出预测值。 [编辑] 二元线性回归分析模型[1] 二元线性回归分析模型及参数的确定。二元线性回归分析预测法的回归方程为： 式中：x1 ,x2 ——自变量； ——因变量，即线性回归分析估值，或预测值； a,b1 ,b2 ——待定回归方程参数。 最小二乘法建立的求参数的方程为： 只需将历史资料自变量2 和对应的因变量—v 的数据代人上面公式，并联立求解方程组，即可求得回归参数a,b1 ,b2 再将这些参数代人回归方程，即可得预测模型。 [编辑] 二元线性回归分析模型的检验及参数确定[1] 二元线性回归分析预测法预测模型的检验比一元线性回归预测模型的检验复杂得多。常用的有经济意义检验、回归标准差检验、相关系数检验、F 检验和t 检验等。 (1)一般经济意义检验，是指根据一般的经济规律，从参数的符号来鉴别模型的真实性。其他检验都需要根据统计分析来确定模型是否能够通过检验。 (2)回归标准差检验。计算多元回归标准差的公式与计算一元线性方程回归标准差的公式相同，即： 式中： yt——因变量第 t 期的观察值； ——因变量第 t 期的估计值； n——观察期的个数； k——自由度，为变量的个数(包括因变量和自变量)。 判断回归标准差能否通过检验，仍用以下公式：式中： s ——回归标准差； ——因变量观察值的平均值。 当依此式计算出的值小于 15%，说明预测模型通过了回归标准差检验。 (3)相关系数检验。相关系数检验是检验变量之间线性关系密切程度的指标。在多元回归分析中应计算复相关系数和偏相关系数。 复相关系数 复相关系数是反映因变量y 与自变量x1 ,x2 之间线性相关关系密切程度的指标，其计算公式为： 即 其中，r 表示的是所有自变量作为一个整体对因变量y 的影响。 偏相关系数 在多变量情况下，变量之间的相关关系是很复杂的。这是因为，任意变量之间都可能存在着相关关系。如果需要真正显示变量之间的相互关系，则必须在消...
VIP
