最新更新主题

月度关注热点

回归方程的显著判断，请指教？？？？？

字体: 小 中 大 | 打印 发表于: 2006-5-23 15:54    作者: simpdiv2000    来源: 6sigma品质网

如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
The regression equation is
Y = - 82.7 + 3.10 X1 + 0.369 X2


Predictor    Coef  SE Coef      T      P
Constant   -82.65    93.70  -0.88  0.395
X1          3.098    1.993   1.55  0.146
X2         0.3693   0.2148   1.72  0.111


S = 4.75590   R-Sq = 89.8%   R-Sq(adj) = 88.1%


Analysis of Variance

Source          DF      SS      MS      F      P
Regression       2  2400.6  1200.3  53.07  0.000
Residual Error  12   271.4    22.6
Total           14  2672.0


Source  DF  Seq SS
X1       1  2333.7
X2       1    66.9


Unusual Observations

Obs   X1       Y     Fit  SE Fit  Residual  St Resid
  4  6.2  125.00  115.30    2.12      9.70      2.28R

R denotes an observation with a large standardized residual.
是单次15中不同组合的试验预测？？
我也来说两句 查看全部回复

最新回复

  • 乖乖 (2006-5-24 12:02:39)

    QUOTE:

    原帖由 simpdiv2000 于 2006-5-23 15:54 发表
    如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
    The regression equation is
    Y = - 82.7 + 3.10 X1 + 0.369 X2


    Predictor    Coef  SE C ...
    你的残差图分析如何？

    按照我的判断基准，如果这些判断均符合的话，我会接受这个方程式！

  • 蚂蚁 (2006-5-24 17:13:19)

    QUOTE:

    原帖由 simpdiv2000 于 2006-5-23 15:54 发表
    如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
    The regression equation is
    Y = - 82.7 + 3.10 X1 + 0.369 X2


    Predictor    Coef  SE C ...
    这种情况很有可能是高阶项显著。

  • 欧立威 (2006-5-24 17:19:38)

    QUOTE:

    原帖由 simpdiv2000 于 2006-5-23 15:54 发表
    如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
    The regression equation is
    Y = - 82.7 + 3.10 X1 + 0.369 X2


    Predictor    Coef  SE C ...
    P值不是唯一的标准.
    现在需要作模型检验, 模型优化,比如异常点剔除, 最佳子集回归等等.
    你会发现P值会好起来的.

  • seamoongudu (2006-5-24 17:22:53)

    如果你的数据没错的话，你就中六合彩了！太不符合常理了！

  • simpdiv2000 (2006-5-24 19:56:28)

    还是级别高的说话有用，低的别在这里丢人！谢谢OK

  • high1998 (2006-5-24 21:06:37)

    QUOTE:

    原帖由 simpdiv2000 于 2006-5-24 19:56 发表
    还是级别高的说话有用，低的别在这里丢人！谢谢OK

  • xuling0688 (2006-5-24 21:26:16)

    [quote]原帖由 simpdiv2000 于 2006-5-23 15:54 发表

    线性回归的方差分析是显著的，
    但系数的显著性判断，都大于0.05。请问还有意义吗？

    造成上述情况的主要原因就是多元回归分析中出现的自变量间的相关。
    请你把15组数据都发表出来，肯定可以看到X1与X2的高度相关。
    最早发现此问题的是著名统计学家Hald，他在1952年举出一个例子，
    讨论的是混凝土散热量（Y）与混凝土中4种成份含量（X1-X4）的回归
    方程。模型总效果高度显著，但对于4个自变量都不显著。50多年来，
    这个例子一直有人在关注。其数据如下，大家可以算算。
    x1        x2        x3        x4        y
    7        26        6        60        78.5
    1        29        15        52        74.3
    11        56        8        20        104.3
    11        31        8        47        87.6
    7        52        6        33        95.9
    11        55        9        22        109.2
    3        71        17        6        102.7
    1        31        22        44        72.5
    2        54        18        22        93.1
    21        47        4        26        115.9
    1        40        23        34        83.8
    11        66        9        12        113.3
    10        68        8        12        109.4

    xuling0688

  • xuling0688 (2006-5-24 21:40:18)

    [quote]原帖由 simpdiv2000 于 2006-5-23 15:54 发表
    如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
    The regression equation is
    Y = - 82.7 + 3.10 X1 + 0.369 X2


    Predictor    Coef  SE Coef      T      P
    Constant   -82.65    93.70  -0.88  0.395
    X1          3.098    1.993   1.55    0.146.
    X2         0.3693   0.2148   1.72  0.111

    忘了告诉你该怎么办了:

    一般说来,应该逐个删去最不显著的自变量(注意一次只能删一个),
    获得下次的结果之后,再进行下一轮论的判断.

    由于你上面的系数检验结果告诉我们, X1比X2更差些,因此应该先删去X1,
    再来进行回归. 我敢肯定: 只含X2的这个方程, 就一定是显著的了.由于你只有2个自变量,这时得到的只含变量X2的方程就是最好的方程了.
    xuling0688

  • 欧立威 (2006-5-24 22:39:47)

    QUOTE:

    原帖由 xuling0688 于 2006-5-24 21:40 发表
    原帖由 simpdiv2000 于 2006-5-23 15:54 发表
    如回归分析表，虽然线性回归的方差分析是显著的，拟合也和年强 ，但系数的显著性判断，都大于0.05请问还有意义吗？
    The regression equation is
    Y = - 82.7 + 3.1 ...
    这个其实可以这样理解：
    R-SQ其实衡量的是－模型可解释方差/总方差＝（1－残差/总方差），所以虽然各个自变量和常数项都不显著，但是只要模型的拟合度良好， R-SQ仍然有可能很好。所以R-SQ衡量的是回归模型不是几个自变量。俗话说“三个臭皮匠，顶得诸葛亮”。

    对于多元回归，模型简化是必要的，但是不能简单一一删除，最好用最佳子集回归。选择夸克系数和RSQ以及简化程度最好的一种。当然在这之前还有其他的简化方法。

  • flyblood (2006-5-25 08:05:06)

    用Best Subsets命令可以做出最好的选择，有个疑问，在分析中的SE Coef是什么意思呢？它代表什么含义？

  • simpdiv2000 (2006-5-26 19:28:15)

    大家的话让我我已经初步理解了非常感激 上面美女的问题我也想知道 还有就是在拟合R-SQ前面的这个标准差，在方差分析中和回归分析都有，想知道他的来原，计算公式
    谢谢

  • flyblood (2006-5-27 09:29:21)

    哈哈,我可不是美女哟~~只是觉得这个MM很可爱,所以就套用了这个PIC,人们往往被表面的现象所迷惑哟,呵呵,就像我们的品质问题一样!

    S称为剩余估计标准差,公式写不出,一会贴图吧,从公式的意义来看表面看是Y对估计值
    ~y的平均离差,在回归分析中,S反映了所有观测值Y对估计值~y的平均变异程度.对给定的自变量X值,观察值Y并非总是在回归直线上的,而是分布在它的周围,这样就形成了一定的离差,它背后反映的就是独立变量X来估计从属变量Y时所产生的误差,若是这个离差的值越小,即按照给定的x值来估计Y的误差越小.

    呵呵,还是需要高人指点一下SE Coef 的计算方法和意义~

    谢谢!
    (,公式太辛苦了)

  • xianyuner123 (2006-5-27 10:00:52)

    QUOTE:

    原帖由 xuling0688 于 2006-5-24 21:26 发表
    原帖由 simpdiv2000 于 2006-5-23 15:54 发表

    线性回归的方差分析是显著的，
    但系数的显著性判断，都大于0.05。请问还有意义吗？

    造成上述情况的主要原因就是多元回归分析中出现的自变量间的相关。
    请你把 ...
    xuling兄弟的解答令我茅塞顿开，PF.

  • simpdiv2000 (2006-5-27 11:30:36)

    谢谢美女头像了，我计算了下回归分析的，可是要是在方差分析分析中出现的S，是不是很郁闷 要找各个水平的的均值和实际值的方差和了
查看全部回复 我也来说两句