多元线性回归模型公式精编WORD版

多元线性回归模型公式精编WORD版IBMsystemofficeroom【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】二、多元线性回归模型在多要素的地理环境系统中，多个（多于两个）要素之间也存在着相互影响、相互关联的情况。因此，多元地理回归模型更带有普遍性的意义。（一）多元线性回归模型的建立假设某一因变量y受k个自变量kxxx,...,,21的影响，其n组观测值为（kaaaaxxxy,...,,,21），na,...,2,1。那么，多元线性回归模型的结构形式为：akakaaaxxxy...22110（）式中：k,...,1,0为待定参数；a为随机变量。如果kbbb,...,,10分别为k...,,,210的拟合值，则回归方程为?=kkxbxbxbb...22110（）式中：0b为常数；kbbb,...,,21称为偏回归系数。偏回归系数ib（ki,...,2,1）的意义是，当其他自变量jx（ij）都固定时，自变量ix每变化一个单位而使因变量y平均改变的数值。根据最小二乘法原理，i（ki,...,2,1,0）的估计值ib（ki,...,2,1,0）应该使min...212211012nakakaaanaaaxbxbxbbyyyQ（）有求极值的必要条件得najaaajnaaakjxyybQyybQ110),...,2,1(0202（）将方程组（）式展开整理后得：naakaknakanakaanakaanakanaaaknakaanaanaaanaanaaaknakaanaaanaanaanaaknakanaanaayxbxbxxbxxbxyxbxxbxbxxbxyxbxxbxxbxbxybxbxbxnb11221211101121221221121012111121211121011112121110)(...)()()(...)(...)()()()(...)()()()(...)()(（）方程组（）式，被称为正规方程组。如果引入一下向量和矩阵：则正规方程组（）式可以进一步写成矩阵形式BAb（3.2.15’）求解（3.2.15’）式可得：YXXXBAbTT11)(（）如果引入记号：则正规方程组也可以写成：kkkykkkkkykkykkxbxbxbybLbLbLbLLbLbLbLLbLbLbL........................2211022112222212111212111（3.2.15’’）（二）多元线性回归模型的显着性检验与一元线性回归模型一样，当多元线性回归模型建立以后，也需要进行显着性检验。与前面的一元线性回归分析一样，因变量y的观测值nyyy,...,,21之间的波动或差异，是由两个因素引起的，一是由于自变量kxxx,...,,21的取之不同，另一是受其他随机因素的影响而引起的。为了从y的离差平方和中把它们区分开来，就需要对回归模型进行方差分析，也就是将y的离差平方和TS或（Lyy）分解成两个部分，即回归平方和U与剩余平方和Q：在多元线性回归分析中，回归平方和表示的是所有k个自变量对y的变差的总影响，它可以按公式计算，而剩余平方和为以上几个公式与一元线性回归分析中的有关公式完全相似。它们所代表的意义也相似，即回归平方和越大，则剩余平方和Q就越小，回归模型的效果就越好。不过，在多元线性回归分析中，各平方和的自由度略有不同，回归平方和U的自由度等于自变量的个数k，而剩余平方和的自由度等于1kn，所以F统计量为：当统计量F计算出来之后，就可以查F分布表对模型进行显着性检验。