1.
相关系数 = 0.95,R Square = 0.897,F检验值为46.7,p-value = 3.88e-08<<0.05,F检验通过,整体回归是显著的。
三个自变量房产估价的p-value = 0.0013,t检验通过,说明房产估价对销售价格的解释性很强。
自变量地产估价和使用面积的p-value>0.05,对销售价格的解释性不是很强。
2.
使用逐步回归的方法确定最后留下的变量,最后留下的是各项贷款余额和本年固定资产投资额。
复相关系数R=0.872,表明模型中的两个自变量与因变量线性相关密切;决定系数
R
2
=
0.761
R^2=0.761
R2=0.761,说明因变量固体垃圾排放量变异的76.1%可由预测变量各项贷款余额和本年固定资产投资额来解释,表明模型对数据的拟合程度较好;调整的决定系数
A
d
j
R
2
=
0.739
AdjR^2=0.739
AdjR2=0.739,也表明模型的拟合效果较好.
显著性均为0,说明在SPSS默认的引入、剔除(0.05、0.1)自变量的统计学标准下,所拟合的模型具有统计学意义。
偏回归系数解释自变量对因变量的影响,而标准化回归系数可以比较各自变量对因变量影响的大小,标准化回归系数的绝对值越大,自变量对的影响越大,由此可知,x1的影响大于x2对
y
^
\hat{y}
y^的影响。
逐步回归过程中每一步被剔除的变量情况及其检验结果。以本研究的最优回归模型2为例,本年累计应收贷款和贷款项目个数是未进入模型的两个自变量,看其显著性值可知,本年累计应收贷款为0.066(p>0.05),贷款项目个数为0.788(p>0.05),均不满足进入标准(p≦0.05),因此被排除。
3.
正
则
方
程
组
:
∂
(
∑
e
^
i
2
)
∂
b
0
=
−
2
∑
i
=
1
n
(
y
i
−
b
0
−
b
1
x
i
1
−
⋯
−
b
k
x
i
k
)
=
0
∂
(
∑
e
^
i
2
)
∂
b
1
=
−
2
∑
i
=
1
n
x
i
1
(
y
i
−
b
0
−
b
1
x
i
1
−
⋯
−
b
k
x
i
k
)
=
0
…
…
…
.
.
∂
(
∑
e
^
i
2
)
∂
b
k
=
−
2
∑
i
=
1
n
x
i
k
(
y
i
−
b
0
−
b
1
x
i
1
−
⋯
−
b
k
x
i
k
)
=
0
解:
b
0
,
b
1
,
⋯
,
b
k
正则方程组:\\\begin{array}{l} \frac{\partial\left(\sum \hat{e}_{i}^{2}\right)}{\partial b_{0}}=-2 \sum_{i=1}^{n}\left(y_{i}-b_{0}-b_{1} x_{i 1}-\cdots-b_{k} x_{i k}\right)=0 \\ \frac{\partial\left(\sum \hat{e}_{i}^{2}\right)}{\partial b_{1}}=-2 \sum_{i=1}^{n} x_{i 1}\left(y_{i}-b_{0}-b_{1} x_{i 1}-\cdots-b_{k} x_{i k}\right)=0 \\ \ldots \ldots \ldots . . \\ \frac{\partial\left(\sum \hat{e}_{i}^{2}\right)}{\partial b_{k}}=-2 \sum_{i=1}^{n} x_{i k}\left(y_{i}-b_{0}-b_{1} x_{i 1}-\cdots-b_{k} x_{i k}\right)=0 \\ \text { 解: } \quad b_{0}, b_{1}, \cdots, b_{k} \end{array}
正则方程组:∂b0∂(∑e^i2)=−2∑i=1n(yi−b0−b1xi1−⋯−bkxik)=0∂b1∂(∑e^i2)=−2∑i=1nxi1(yi−b0−b1xi1−⋯−bkxik)=0………..∂bk∂(∑e^i2)=−2∑i=1nxik(yi−b0−b1xi1−⋯−bkxik)=0 解: b0,b1,⋯,bk
证
明
:
由
k
个
正
则
方
程
式
可
得
∑
i
=
1
n
y
i
=
b
0
+
b
1
x
i
1
+
⋯
+
b
k
x
i
k
∑
i
=
1
n
x
i
1
y
i
=
b
0
∑
i
=
1
n
1
⋅
x
i
1
+
b
1
∑
i
=
1
n
x
i
1
2
+
⋯
+
b
k
∑
i
=
1
n
x
i
1
x
i
k
…
…
…
.
.
∑
i
=
1
n
x
i
k
y
i
=
b
0
∑
i
=
1
n
x
i
k
+
b
1
∑
i
=
1
n
x
i
k
x
i
1
+
⋯
+
b
k
∑
i
=
1
n
x
i
k
2
证明:由k个正则方程式可得\\ \begin{array}{l} \sum_{i=1}^{n} y_{i} = b_{0}+b_{1} x_{i 1}+\cdots+b_{k} x_{i k} \\ \sum_{i=1}^{n} x_{i 1} y_{i} = b_{0}\sum_{i=1}^n1·x_{i1}+b_{1} \sum_{i=1}^nx_{i 1}^2+\cdots+b_{k} \sum_{i=1}^nx_{i1}x_{i k} \\ \ldots \ldots \ldots . . \\ \sum_{i=1}^{n} x_{i k} y_{i}=b_{0}\sum_{i=1}^nx_{ik}+b_{1} \sum_{i=1}^nx_{ik}x_{i 1}+\cdots+b_{k}\sum_{i=1}^n x_{i k}^2\\ \end{array}
证明:由k个正则方程式可得∑i=1nyi=b0+b1xi1+⋯+bkxik∑i=1nxi1yi=b0∑i=1n1⋅xi1+b1∑i=1nxi12+⋯+bk∑i=1nxi1xik………..∑i=1nxikyi=b0∑i=1nxik+b1∑i=1nxikxi1+⋯+bk∑i=1nxik2
所
以
X
′
Y
(
k
+
1
)
×
1
=
(
X
′
X
)
(
k
+
1
)
×
(
k
+
1
)
B
o
l
s
(
k
+
1
)
×
1
即
两
边
同
乘
以
(
X
′
X
)
−
1
,
最
终
可
得
B
o
l
s
=
(
X
′
X
)
−
1
X
′
Y
所以 X'Y_{(k+1)\times1} = (X'X)_{(k+1)\times (k+1)}B{ols} _{(k+1)\times 1}\\ 即两边同乘以 (X'X)^{-1},最终可得\\ B_{ols} = (X'X)^{-1}X'Y
所以X′Y(k+1)×1=(X′X)(k+1)×(k+1)Bols(k+1)×1即两边同乘以(X′X)−1,最终可得Bols=(X′X)−1X′Y
4.
帽子矩阵
H
=
X
(
X
′
X
)
−
1
X
′
H = X(X'X)^{-1}X'
H=X(X′X)−1X′
H
2
=
H
⋅
H
=
X
(
X
′
X
)
−
1
X
′
⋅
X
(
X
′
X
)
−
1
X
′
=
X
(
X
′
X
)
−
1
(
X
′
X
)
(
X
′
X
)
−
1
X
′
=
X
(
X
′
X
)
−
1
X
′
=
H
H^{2} = H·H = X(X'X)^{-1}X'·X(X'X)^{-1}X'\\ = X(X'X)^{-1}(X'X)(X'X)^{-1}X'\\ = X(X'X)^{-1}X' = H
H2=H⋅H=X(X′X)−1X′⋅X(X′X)−1X′=X(X′X)−1(X′X)(X′X)−1X′=X(X′X)−1X′=H