變異數分析 迴歸分析 因素分析 區別分析 集區分析 統計分析方法 變異數分析 迴歸分析 因素分析 區別分析 集區分析
迴歸分析 找出預測模式: 簡單迴歸(Simple regression)以一個變項預測另一個有興趣的數量變數。 複迴歸(Multiple regression)以多個變項預測某一個有興趣的數量變數。 羅吉斯迴歸(Logistic regression)以多個變項預測某一個有興趣的0-1變數。
最小平方迴歸
迴歸直線(regression line) 迴歸直線是用來描述反應變數 y 與解釋變數 x 線性關係的直線,在給定 x 之下通常使用迴歸直線的公式來預測 y。 平均日加溫度數為20度時,根據下圖的迴歸直線可算出月平均瓦斯消耗量約為490 cu. ft 。
迴歸直線實例 (20, 5)
預測誤差 迴歸直線的選擇直接影響預測值 y 的準確性。 我們以 y 觀察值 - 預測值 y 稱為誤差, 或稱為垂直距離。 平均日加溫度數為 20度時,若實際月平均瓦斯消耗量為 510 cu. ft,則 誤差 = 510 - 490 = 20。
預測誤差圖示 預測值 誤差 觀察值 y
最小平方迴歸直線 依據誤差平方和最小的原則求得的迴歸直線,稱為最小平方迴歸直線 (Least square regression line)。 改變迴歸直線的截距與斜率,選擇使誤差平方和最小的直線。
最小平方迴歸直線方程式 若直線方程式為 y = a + bx,則在 xi 之下 yi 的預測值為 ,則誤差平方和即為 。 最小平方迴歸直線即為 。
最小平方迴歸直線實例 統計資料 則 最小平方迴歸直線即為 。
最小平方迴歸直線-minitab
最小平方迴歸直線-minitab圖
最小平方迴歸的性質 最小平方迴歸直線中反應變數 y 與解釋變數 x 的角色無可取代。 迴歸直線的斜率與相關係數關係密切。 b = r (sy/sx)
兩迴歸直線
最小平方迴歸的性質(續) 迴歸直線一定通過 點。 迴歸直線方程式 中, 以 代入可得 即表示點 在迴歸直線上。
最小平方迴歸的性質(再續) 相關係數描述了迴歸直線的強度。 相關係數平方即為反應變數 y 的變異中, 在變數 x 迴歸後解釋的部分(比例)。
餘差(Residuals) 觀察值 y 與預測值 的差稱為餘差。 餘差總和必為零
餘差圖(Residuals Plot) 餘差與對應的解釋變數的散佈圖,稱為餘差圖。 餘差圖有助於瞭解迴歸直線的適合性。 餘差圖為非線性。 餘差的散佈隨著 x 值的增加而散開或縮減。
標準餘差圖 4 2 - 2 - 4 x
曲線型餘差圖 4 2 - 2 - 4 x
散發型餘差圖 4 2 - 2 - 4 x
餘差圖中的特殊點 離群點:餘差特出的點,偏離整體餘差的分佈。 干擾點:該點的移除對於迴歸直線的計算結果有重大的影響,稱為干擾點。 Child 19 干擾點:該點的移除對於迴歸直線的計算結果有重大的影響,稱為干擾點。 x 值特出(大或小)的點,多為干擾點。 Child 18
餘差圖實例 小孩說第一句話的時間與日後Gesell 能力測驗成績的迴歸關係。 迴歸直線如後 餘差如下,餘差圖如後
迴歸直線圖 Child 19 Child 18
迴歸餘差圖 Child 19 Child 18
特殊點對迴歸直線的影響 Child 19 Child 18
相關與迴歸的迷思
相關性與迴歸直線的侷限 相關性與迴歸直線僅用來描述兩變數之間的線性關係,且其數值受特殊點的影響極大。 平均日加溫度數為20度時,根據下圖的迴歸直線可算出月平均瓦斯消耗量約為490 cu. ft 。
外插(Extrapolation)預測 以迴歸直線預測原解釋變數概括的範圍外資料之對應 y值,其準確性的多半不高。 以3~8歲孩童身高資料得到的迴歸直線,預測25歲成人身高(預測值約為8呎長人)必然不準確。
使用平均數 使用平均數資料(月平均瓦斯消耗量)評估相關性,往往高於未平均前資料(每日瓦斯消耗量)的相關性。 平均數資料已整合了未平均前資料的離散情況。
複迴歸分析
複相關係數 變數 y 與預測變數 x1, x2,…, xp之間的相關係數稱為複相關係數。 預測變數之線性組合 a1x1+a2x2+…+apxp與變數 y 之相關係數。
複相關係數實例 大一微積分成績為 y,預測變數為聯考數學成績 x1與英文成績 x2。 大一微積分y,與聯考英數平均成績 x = (x1+ x2)/2 的相關係數。 大一微積分y,與聯考英數加權平均成績 x* = ax1+ bx2的相關係數。 求a, b 使得 corr(y, ax1+bx2)為最大。
複迴歸模式 變數 y 與預測變數 x1, x2之 n 組隨機資料為 yi, x1i, x2i, i =1,…, n 則複迴歸模式為 為隨機誤差服從常態 。 為三未知常數,可由隨機資料 yi, x1i, x2i, i =1,…, n 估計之。
迴歸方程式之估計 最小平方法即為 Normal Equations 之解: 令 分別為上列聯立方程組之解,則迴歸方程式為
複迴歸分析變異數分析表 則拒絕
複迴歸實例 會計事務所以十位會計師過去資料,利用迴歸直線預測 CPA 考試分數。資料如下:
相關分析 相關分析得
資料散佈圖(Score vs. GPA.)
GPA對Score之簡單迴歸
資料散佈圖(Score vs. Exp.)
Experience對Score之簡單迴歸
GPA 及 Exp 對 Score 之複迴歸
複迴歸之殘差分析
迴歸係數檢定 給定i,檢定 已在模式內時 是否還需要加入即檢定 檢定統計量為 ,其中 則拒絕 H0。 檢定 ,則檢定統計量為
迴歸信賴區間 bj 的 100(1-a)% 信賴區間為 在 x10, x20 情形下, 的 100(1-a)% 信賴區間為 其中
複判別係數 判別係數 修正判別係數 k 增加則 SSE 減少,則 R2 增加 k 增加則 SSE 減少,但 增加, 則 Adj R2 不一定增加
複判別係數與變數項目數k
指標變數 若考慮性別因素,令 x3為指標變數 x3=1 為男,x3=0 為女,則模式為 一般分類型資料若有 2k 類則以 k 個指標變數分析。 例:以 (x3, x4) = (0,0)為第一季,(0, 1)為第二季,(1, 0)為第三季,(1, 1)為第四季,即以 2 個指標變數代表四季。
Score vs. GPA散佈圖(by Sex)
含指標變數之迴歸分析
含指標變數之迴歸方程式 迴歸方程式 Score = -9.7+23.1GPA+17.4Sex 男, sex=1,
含指標變數之迴歸殘差圖
含指標變數之複迴歸分析
含指標變數之複迴歸殘差圖
多項式迴歸模式 迴歸殘差圖顯示,殘差項仍為 x2的(二次)函數,故宜在模式上加入 項,即 一般多項式迴歸,則視需要加入 p 次項,模式為
多項式迴歸分析
多項式迴歸殘差圖
含指標變數之多項式迴歸分析
含指標變數多項式迴歸殘差圖
迴歸模式的選擇 模式一:複迴歸 模式二:含指標變數複迴歸 模式三:多項式迴歸 模式四:含指標變數多項式迴歸
迴歸模式的比較
迴歸理論的應用案例 兩迴歸線是否相等
共線性診斷 兩迴歸預測因子具高度相關時,可能會對迴歸模式有重大的影響。一般稱為共線性(multi-collinearity)問題。 共線性問題常用變異膨脹因子(variance inflation factor, 簡記為 VIF)的方法來偵測。
變異膨脹因子(VIF) 迴歸模式各變數標準化後的新未知參數為 b*k 及 s *2。定義新迴歸係數 b*k 的最小平方估計b*k的變異數為 s 2(b*k) = s *2(VIF)k,其中(VIF)k就稱為 b*k 的變異膨脹因子。 應用上,(1 - R2k)-1 是(VIF)k的估計,其中 R2k 為Xk 對其他迴歸因子的複判別係數。 最大的 (VIF)k 或是 (VIF)k 的平均數都是判斷共線性嚴重性的指標。 一般而言, (VIF)k大於10表示會嚴重影響。