数学建模 |
您所在的位置:网站首页 › 多元线性回归适用于怎样的应用场景 › 数学建模 |
第一部分:回归分析的介绍
定义:回归分析是数据分析中最基础也是最重要的分析工具,绝大多数的数据分析问题,都可以使用回归的思想来解决。回归分析的人数就是,通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进而达到通过X去预测Y的目的。 常见的回归分析有五类:线性回归,0-1回归,定序回归,计数回归和生存回归,其划分的依据是因变量Y的类型。本讲我么你主要学习线性回归。 回归的思想: 第一个关键词:相关性 相关性!= 因果性,我们不能因为出两者有相关性就得出两者是由因果关系的。 第二个关键词:Y 第三个关键词是:X 0-1回归的例子(0-1回归的例子一般只有两个答案所以Y只有两个值来表示) 回归分析的使命: 第二部分:不同数据类型的处理方法 数据的分类: 横截面数据 2. 时间序列数据: 3. 面板数据 不同数据类型的处理方法: 第三部分:对于线性回归的理解以及生性问题的研究 一元线性回归: 存在扰动项:yi-y^i=yi-B^0-B^1xi 对于线性的理解: 回归系数的解释: 关于内生性的探究: 扰动项与所有的自变量不存在相关性的时候则模型具有外生性。因此我们需要对模型的自变量与扰动项求其相关性。 内生性的蒙特卡洛模拟: Matlab实操: 核心解释变量和控制变量 对于我们想要求取的因素当作变量,其余的因素可以看作扰动项。 第四部分:四种模型的解释,与你变量的设置以及交互项的解释 回归系数的解释: 什么时候取对数? 四种模型的回归系数解释: 特殊的自变量:虚拟变量、 对于定性变量我们可以用数字来进行表示如女性为1,男性为0. 多分类的虚拟变量: 为了避免完全多重共线性的影响,引入的虚拟变量的个数一般是分类数减1. 还有交互项(两个自变量相乘)的自变量 ![]() Stata软件的介绍: 文件导入: |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |