01.前言
前面我们讲了一元线性回归,没看过的可以先去看看:[一元线性回归分析]。这一篇我们来讲讲多元线性回归。一元线性回归就是自变量只有一个x,而多元线性回归就是自变量中有多个x。
多元回归的形式如下:
02.参数估计
多元回归方程中各个参数也是需要估计的,关于为什么要估计,其实我们在一元线性回归里面也讲过。与一元线性回归不同的是,一元线性回归拟合的是一条线,而多元回归拟合的是一个面。使用的方法也是最小二乘法。
03.拟合程度判断
在多元回归里面拟合程度判断与一元回归也类似,也主要有总平方和、回归平方和、残差平方和这三种。
多元回归里面也有R^2,R^2 = SSR/SST = 1 - SSE/SST。因为增加自变量的会降低残差SSE,进而导致R^2增加。
为什么加入新的变量会使SSE降低呢?因为每新加入一个新的变量,这个新的变量就会贡献一部分平方和,而这个平方和就是从残差里面分离出来的。
为了避免盲目增加自变量而导致得到一个虚高的R^2,优秀的前辈们又想出了一个新的指标,即修正后的R^2。公式如下: