文档介绍：逐步回归分析(1)均方误差s2最小达到最小(2)预测均方误差最小达到最小(3)统计量最小准则达到最小(4)AIC或BIC准则或达到最小(5)(1)选择最优子集的简便方法:逐步筛选法(STEPWISE)向前引入法或前进法(FORWARD)向后剔除法或后退法(BACKWARD)(2)计算量最大的全子集法:R2选择法(RSQUARE)Cp选择法(CP)修正R2选择法(ADJRSQ)。最小R2增量法(MINR)最大R2增量法(MAXR)(3)计算量适中的选择法::逐个引入自变量,每次引入对y影响最显著的自变量,并对方程中的老变量逐个进行检验,把变得不显著的变量逐个从方程中剔除,最终的回归方程中既不漏掉对y影响显著的变量,又不包含对y影响不显著的变量。(FORWARD)原理:事先给定挑选自变量进入方程的显著性水平,按自变量对因变量y的贡献由大到小依次挑选自变量进入方程,直到方程外没有显著的自变量可引入为止。该方法的特点是:自变量一旦被选入,就永远保留在模型中。(1)将全部m个自变量,分别与因变量y建立一元回归方程;(2)分别计算这m个一元回归方程中回归系数的检验统计量F,记为:,取最大值,若,停止筛选;若,选入,不妨设是,进入步骤(3);(3)分别将自变量组,,…,与因变量y建立二元回归方程,计算回归方程中x2,x3,…,xm的回归系数检验统计量F,记为:,取其最大值,若则停止筛选,y与x1之间的回归方程就是最优的回归方程;若,选进xk2,不妨设xk2是x2,进入步骤(4)。(4)对已经选入模型的变量,x1,x2,如同前面的方法做下去,直到所有未被选入模型的自变量的F值都小于相应的临界值为止,这时的回归方程就是最优回归方程。前进法的一般步骤:假设已进行了l步筛选,并选入自变量x1,x2,…xl,现进行第l+1步筛选:分别将自变量组,,…,与y建立l+1元回归方程;回归