Matlab 多元线性回归
1、 多元线性回归
在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。事实上,一种现象
常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一
个自变量进行预测或估计更有效,更符合实际。
在实际经济问题中,一个变量往往受到多个变量的影响。例如,家庭消费支出,除了受
家庭可支配收入的影响外,还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种
因素的影响,表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模
型。(multivariable linear regression model )
多元线性回归模型的一般形式为:
011 22 i
Y = + X + X + + X + , =1,2, ,
iiikki
in
ββ β β μ
(1)
其中 k 为解释变量的数目,
(1,2,,)
j
jk
称为回归系数(regression coefficient)。上
式也被称为总体回归函数的随机表达式。它的非随机表达式为:
011 22
Y = + X + X + + X , =1,2, ,
iiikki
in
ββ β
(2)
j
也被称为偏回归系数(partial regression coefficient)。
2、 多元线性回归计算模型
2
01122
Y= + + + + + , (0, )
kk
xx x N
ββ β εε δ
∼
(3)
多元性回归模型的参数估计,同一元线性回归方程一样,也是在要求误差平方和(Σe)
为最小的前提下,用最小二乘法或最大似然估计法求解参数。
设
11 12 1 1 1 2
(, ,, ,),,(, ,, ,)
pnnnpn
xxy xx xy
是一个样本,用最大似然估计法估计
参数:
取
01 0 0 1 1
ˆˆ ˆ ˆ ˆ ˆ
,, , , , , ,
ppp
bb b b bb b b b== =当 时,
2
011
1
()
n
iipip
i
Qybbx bx
=
=−−−−
∑
达到最小。
011
1
0
011
1
2( )0,
2( ) 0
1, 2, ,
n
iipip
i
n
iipipij
i
j
Q
ybbx bx
b
Q
ybbx bxx
b
jp
=
=
⎧
∂
=− − − − − =
⎪
∂
⎪
⎨
∂
⎪
=− − − − − =
⎪
∂
⎩
=
∑
∑
(4)
(4)化简可得: