建立最优多元回归方程的一种统计方法。在一个多变数系统中，往往含有对依变数y有显著效应的和没有显著效应的两种自变数。必须将没有显著效应的自变数一步一步地剔除干净，使所得多元线性回归方程简化而又能较准确地预测y的反应量。通常是从一元回归分析开始，每一步选入一个最显著的自变数，直至选入的自变数都显著，而未选入的自变数都不显著为止。这种统计选入方法叫做逐步回归方法。
建立最优多元回归方程的一种统计方法。在一个多变数系统中，往往含有对依变数y有显著效应的和没有显著效应的两种自变数。必须将没有显著效应的自变数一步一步地剔除干净，使所得多元线性回归方程简化而又能较准确地预测y的反应量。通常是从一元回归分析开始，每一步选入一个最显著的自变数，直至选入的自变数都显著，而未选入的自变数都不显著为止。这种统计选入方法叫做逐步回归方法。它是由若干步骤组成的，每一步骤包括四个计算程序：①算出各个尚未入选自变数的偏回归平方和U（k＝1，2，…….表示第k步回归）。②比较各U
，找出最大的U
记为maxU
。③对maxU
作偏回归的F测验，如果显著就将该自变数在第k步选入回归方程；如果不显著就表示已没有可入选的自变数逐步回归结束。④当max
为显著而将自变数选入后，要对在第k步之前已入选的所有自变数再作一次偏回归显著性的F测验，若有变为不显著的，即予剔出。因此，逐步回归的每一步骤，都能保证只有显著的自变数才能进入回归方程。
逐步回归方法，对于多变数资料中众多自变数的选优有很好效果。所得的线性回归方程，将是包含自变数的个数最少而又具有较好的预测精度的最优方程。
QQ空间
新浪微博
微信扫一扫
所有评论仅代表网友意见