多元线性回归分析预测法的公式 多元线性回归分析预测法的检验
\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u6a21\u578b\u4e2d\u4f30\u8ba1\u7cfb\u6570\u7684\u65b9\u6cd5\u662f\u4ec0\u4e48\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u6a21\u578b\u4e2d\u4f30\u8ba1\u7cfb\u6570\u7684\u65b9\u6cd5\u662f\uff1a\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5
\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5\uff1a\u662f\u6307\u901a\u8fc7\u5bf9\u4e24\u4e2a\u6216\u4e24\u4e2a\u4ee5\u4e0a\u7684\u81ea\u53d8\u91cf\u4e0e\u4e00\u4e2a\u56e0\u53d8\u91cf\u7684\u76f8\u5173\u5206\u6790\uff0c\u5efa\u7acb\u9884\u6d4b\u6a21\u578b\u8fdb\u884c\u9884\u6d4b\u7684\u65b9\u6cd5\u3002\u5f53\u81ea\u53d8\u91cf\u4e0e\u56e0\u53d8\u91cf\u4e4b\u95f4\u5b58\u5728\u7ebf\u6027\u5173\u7cfb\u65f6\uff0c\u79f0\u4e3a\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u3002
\u591a\u5143\u7ebf\u6027\u56de\u5f52\u9884\u6d4b\u6a21\u578b\u4e00\u822c\u516c\u5f0f\u4e3a\uff1a \u591a\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\u4e2d\u6700\u7b80\u5355\u7684\u662f\u53ea\u6709\u4e24\u4e2a\u81ea\u53d8\u91cf\uff08n=2\uff09\u7684\u4e8c\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\uff0c\u5176\u4e00\u822c\u5f62\u5f0f\u4e3a\uff1a
\u4e0b\u9762\u4ee5\u4e8c\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5\u4e3a\u4f8b\uff0c\u8bf4\u660e\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5\u7684\u5e94\u7528\u3002
\u4e8c\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5\uff0c\u662f\u6839\u636e\u4e24\u4e2a\u81ea\u53d8\u91cf\u4e0e\u4e00\u4e2a\u56e0\u53d8\u91cf\u76f8\u5173\u5173\u7cfb\u8fdb\u884c\u9884\u6d4b\u7684\u65b9\u6cd5\u3002\u4e8c\u5143\u7ebf\u6027\u56de\u5f52\u65b9\u7a0b\u7684\u516c\u5f0f\u4e3a\uff1a\u5f0f\u4e2d\uff1a\uff1a\u56e0\u53d8\u91cf\uff1b
x1,x2\uff1a\u4e24\u4e2a\u4e0d\u540c\u81ea\u53d8\u91cf\uff0c\u5373\u4e0e\u56e0\u53d8\u91cf\u6709\u7d27\u5bc6\u8054\u7cfb\u7684\u5f71\u54cd\u56e0\u7d20\u3002
a,b1,b2\uff1a\u662f\u7ebf\u6027\u56de\u5f52\u65b9\u7a0b\u7684\u53c2\u6570\u3002
a,b1,b2\u662f\u901a\u8fc7\u89e3\u4e0b\u5217\u7684\u65b9\u7a0b\u7ec4\u6765\u5f97\u5230\u3002
\u4e8c\u5143\u7ebf\u6027\u56de\u5f52\u9884\u6d4b\u6cd5\u57fa\u672c\u539f\u7406\u548c\u6b65\u9aa4\u540c\u4e00\u5143\u7ebf\u6027\u56de\u5f52\u9884\u6d4b\u6cd5\u6ca1\u6709\u539f\u5219\u7684\u533a\u522b\uff0c\u5927\u4f53\u76f8\u540c\u3002
\u201c\u591a\u5143\u7ebf\u6027\u56de\u5f52\u5206\u6790\u9884\u6d4b\u6cd5\u201d\u767e\u5ea6\u767e\u79d1\u94fe\u63a5\uff1ahttp://baike.baidu.com/view/1338395.htm
\u591a\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\u4e0e\u4e00\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\u4e00\u6837\uff0c\u5728\u8ba1\u7b97\u51fa\u56de\u5f52\u6a21\u578b\u4e4b\u540e\uff0c\u8981\u5bf9\u6a21\u578b\u8fdb\u884c\u5404\u79cd\u68c0\u9a8c\u3002\u591a\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\u7684\u68c0\u9a8c\u65b9\u6cd5\u6709\uff1a\u5224\u5b9a\u7cfb\u6570\u68c0\u9a8c\uff08R\u68c0\u9a8c\uff09\uff0c\u56de\u5f52\u7cfb\u6570\u663e\u8457\u6027\u68c0\u9a8c\uff08T\u68c0\u9a8c\uff09\uff0c\u56de\u5f52\u65b9\u7a0b\u663e\u8457\u6027\u68c0\u9a8c\uff08F\u68c0\u9a8c\uff09\u3002 \u3002\u56de\u5f52\u65b9\u7a0b\u7684\u663e\u8457\u6027\u68c0\u9a8c\u662f\u68c0\u9a8c\u6240\u6709\u81ea\u53d8\u91cf\u4f5c\u4e3a\u4e00\u4e2a\u6574\u4f53\u4e0e\u56e0\u53d8\u91cf\u4e4b\u95f4\u662f\u5426\u6709\u663e\u8457\u7684\u7ebf\u6027\u76f8\u5173\u5173\u7cfb\u3002\u663e\u8457\u6027\u68c0\u9a8c\u662f\u901a\u8fc7F\u68c0\u9a8c\u8fdb\u884c\u7684\u3002F\u68c0\u9a8c\u503c\u7684\u8ba1\u7b97\u516c\u5f0f\u662f\uff1aF\uff08k \uff0cn\uff0dk\uff0d1\uff09= \u591a\u5143\u56de\u5f52\u65b9\u7a0b\u7684\u663e\u8457\u6027\u68c0\u9a8c\u4e0e\u4e00\u5143\u56de\u5f52\u65b9\u7a0b\u7c7b\u4f3c\uff0c\u5728\u6b64\u4e5f\u4e0d\u518d\u8d58\u8ff0\u3002\u56de\u5f52\u65b9\u7a0b\u7684\u663e\u8457\u6027\u68c0\u9a8c\u672a\u901a\u8fc7\u53ef\u80fd\u662f\u9009\u62e9\u81ea\u53d8\u91cf\u65f6\u6f0f\u6389\u4e86\u91cd\u8981\u7684\u5f71\u54cd\u56e0\u7d20\uff0c\u6216\u8005\u662f\u81ea\u53d8\u91cf\u4e0e\u56e0\u53d8\u91cf\u95f4\u7684\u5173\u7cfb\u662f\u975e\u7ebf\u6027\u7684\uff0c\u5e94\u91cd\u65b0\u5efa\u7acb\u9884\u6d4b\u6a21\u578b\u3002M\u5143\u7ebf\u6027\u56de\u5f52\u6a21\u578b\uff1a\u5982\u679c\u968f\u673a\u53d8\u91cfY\u4e0e\u56fa\u5b9a\u53d8\u91cfx1,x2,x3,.....xm\u4e4b\u95f4\u6709\u663e\u8457\u7684\u7ebf\u6027\u76f8\u5173\u5173\u7cfb\uff0c\u5373\uff1aY=b0+b1x1+b2x2+......+bmxm+c \u6210\u4e3am\u5143\u7ebf\u6027\u56de\u5f52
多元线性回归预测模型一般公式为： 多元线性回归模型中最简单的是只有两个自变量（n=2）的二元线性回归模型，其一般形式为：
下面以二元线性回归分析预测法为例，说明多元线性回归分析预测法的应用。
二元线性回归分析预测法，是根据两个自变量与一个因变量相关关系进行预测的方法。二元线性回归方程的公式为：式中：：因变量；
x1,x2：两个不同自变量，即与因变量有紧密联系的影响因素。
a,b1,b2：是线性回归方程的参数。
a,b1,b2是通过解下列的方程组来得到。
二元线性回归预测法基本原理和步骤同一元线性回归预测法没有原则的区别，大体相同。
绛旓細澶氬厓绾挎у洖褰掗娴嬫ā鍨嬩竴鑸叕寮忎负锛 澶氬厓绾挎у洖褰掓ā鍨嬩腑鏈绠鍗曠殑鏄彧鏈変袱涓嚜鍙橀噺锛坣=2锛夌殑浜屽厓绾挎у洖褰掓ā鍨嬶紝鍏朵竴鑸舰寮忎负锛氫笅闈互浜屽厓绾挎у洖褰掑垎鏋愰娴嬫硶涓轰緥锛岃鏄澶氬厓绾挎у洖褰掑垎鏋愰娴嬫硶鐨搴旂敤銆備簩鍏冪嚎鎬у洖褰掑垎鏋愰娴嬫硶锛屾槸鏍规嵁涓や釜鑷彉閲忎笌涓涓洜鍙橀噺鐩稿叧鍏崇郴杩涜棰勬祴鐨鏂规硶銆備簩鍏冪嚎鎬у洖褰掓柟绋鐨勫叕寮涓猴細寮...
绛旓細y = 0.5 + 2.53 + 1.55 = 15.5 鍥犳锛屽湪缁欏畾 x1 = 3 鍜 x2 = 5 鐨勬儏鍐典笅锛棰勬祴鐨 y 鍊间负 15.5銆傞渶瑕佹敞鎰忕殑鏄紝浠ヤ笂渚嬮浠呬负绀轰緥锛屽疄闄呭簲鐢ㄤ腑鐨澶氬厓绾挎у洖褰妯″瀷闇瑕佹牴鎹叿浣撶殑鏁版嵁鍜岄棶棰樿繘琛屽缓绔嬪拰鍒嗘瀽銆
绛旓細绾挎у洖褰掓柟绋嬪叕寮忥細b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)銆傜嚎鎬у洖褰掓柟绋嬫槸鍒╃敤鏁扮悊缁熻涓殑鍥炲綊鍒嗘瀽锛屾潵纭畾涓ょ鎴栦袱绉嶄互涓婂彉鏁伴棿鐩镐簰渚濊禆鐨勫畾閲忓叧绯荤殑涓绉嶇粺璁″垎鏋愭柟娉曚箣涓锛屽簲鐢ㄥ崄鍒嗗箍娉涖備竴銆佹蹇 绾挎у洖褰掓柟绋嬩腑鍙橀噺鐨勭浉鍏冲叧绯绘渶涓虹畝鍗曠殑鏄嚎鎬х浉鍏冲叧绯伙紝璁鹃殢鏈哄彉閲忎笌鍙橀噺涔嬮棿瀛樺湪绾挎...
绛旓細闂涓锛氬鍏冪嚎鎬у洖褰掔殑鏂圭▼鍏紡 Y= a + b1X1 + b2X2 + 鈥 + bkXk 闂浜岋細楂樺垎鎮祻姹傛暟瀛﹁揪浜哄府蹇欙紝鍩轰簬濡傚浘鎵绀虹殑EXCEL琛ㄦ牸鏁版嵁鍐欏嚭澶氬厓绾挎у洖褰掓柟绋嬬殑鍋忓洖褰掔郴鏁扮殑璁＄畻鍏紡 1銆佸湪鈥滄暟鎹濋夐」涓嬬殑鈥滄暟鎹垎鏋愨濅腑锛岄夋嫨鈥滃洖褰掆濓紱2銆佸湪鈥滃洖褰掆濅腑锛岄夋嫨Y鍊艰緭鍏ュ尯鍩熶负A2:A7锛孹鍊艰緭鍏ュ尯鍩熶负...
绛旓細F妫楠屽肩殑璁＄畻鍏紡鏄細F锛坘 锛宯锛峩锛1锛= 澶氬厓鍥炲綊鏂圭▼鐨勬樉钁楁ф楠屼笌涓鍏冨洖褰掓柟绋嬬被浼锛屽湪姝や篃涓嶅啀璧樿堪銆傚洖褰掓柟绋嬬殑鏄捐憲鎬ф楠屾湭閫氳繃鍙兘鏄夋嫨鑷彉閲忔椂婕忔帀浜嗛噸瑕佺殑褰卞搷鍥犵礌锛屾垨鑰呮槸鑷彉閲忎笌鍥犲彉閲忛棿鐨勫叧绯绘槸闈炵嚎鎬х殑锛屽簲閲嶆柊寤虹珛棰勬祴妯″瀷銆侻鍏冪嚎鎬у洖褰掓ā鍨嬶細濡傛灉闅忔満鍙橀噺Y涓庡浐瀹氬彉閲弜1,x2,x3,......
绛旓細绾挎у洖褰鏂圭▼r鐨勮绠鍏紡鏄痽 = a + bx锛屽叾涓瓂鏄瑙ｉ噴鍙橀噺锛寈鏄В閲婂彉閲忥紝a鏄痽鎴窛锛宐鏄洖褰掔郴鏁般傝繖涓ā鍨嬬殑鐩殑鏄壘鍒板y鏈棰勬祴鑳藉姏鐨勬渶浣崇洿绾裤傚湪璁＄畻鍏紡涓紝鎷熷悎鐨勬柟绋嬬殑绯绘暟a鍜宐鍙互閫氳繃鎷熷悎鏍锋湰鏁版嵁鏉ョ‘瀹氥傝繖涓ā鍨嬬殑鐩殑鏄娴媦鍊兼槸澶氬皯锛屽綋缁欏畾x鍊兼椂銆傜嚎鎬у洖褰掓ā鍨嬫槸涓绉嶇敤浜庣‘瀹氫袱涓垨...
绛旓細1銆乺=鈭(Xi-X)(Yi-Y)/鏍瑰彿[鈭(Xi-X)²脳鈭(Yi-Y)²]涓婂紡涓濃垜鈥濊〃绀轰粠i=1鍒癷=n姹傚拰锛沊,Y鍒嗗埆琛ㄧずXi,Yi鐨勫钩鍧囨暟銆2銆佺畝鍗绾挎у洖褰鐢ㄤ簬璁＄畻涓や釜杩炵画鍨嬪彉閲(濡俋锛孻)涔嬮棿鐨勭嚎鎬у叧绯伙紝鍏蜂綋鍦拌灏辨槸璁＄畻涓嬮潰鍏紡涓殑伪鍜屛参卞拰尾銆俌=伪+尾X+蔚Y=伪+尾X+蔚 鍏朵腑蔚蔚绉...
绛旓細5銆佸垽瀹氱郴鏁皉2鏄敤浜庝竴鍏冪嚎鎬у洖褰掓ā鍨嬬殑鏄捐憲鎬ф楠岀殑鎸囨爣銆備竴鍏绾挎у洖褰掑垎鏋愰娴嬫硶锛屾槸鏍规嵁鑷彉閲弜鍜屽洜鍙橀噺Y鐨勭浉鍏冲叧绯伙紝寤虹珛x涓嶻鐨勭嚎鎬у洖褰掓柟绋嬭繘琛棰勬祴鐨鏂规硶銆傚湪spss绾挎у洖褰掍腑,t銆丷銆丷骞虫柟銆丗鍒嗗埆浠ｈ〃浠涔,瀹冧滑鍙栧艰寖鍥存槸澶氬皯琛ㄧず...1銆丷鏂瑰兼槸璇勪环鐨勪富瑕佹寚鏍囷紝F鍊硷紝t鍊兼槸涓や釜妫楠岋紝涓鑸灏忎簬0....
绛旓細鐩稿叧璁＄畻鍏紡涓猴細a=[鈭慩i2鈭慪i-鈭慩i鈭慩iYi]/[n鈭慩i2-(鈭慩i)2]锛宐=[n鈭慩iYi-鈭慩i鈭慪i]/[n鈭慩i2-(鈭慩i)2]銆傚洖褰掔洿绾挎硶鏄牴鎹嫢骞叉湡涓氬姟閲忓拰璧勯噾鍗犵敤鐨勫巻鍙茶祫鏂欙紝杩愮敤鏈灏忓钩鏂规硶鍘熺悊璁＄畻涓嶅彉璧勯噾鍜屽崟浣嶄骇閿閲忔墍闇鍙樺姩璧勯噾鐨勪竴绉嶈祫閲戜範鎬鍒嗘瀽鏂规硶銆鍥炲綊鍒嗘瀽娉涓昏瑙ｅ喅鐨勯棶棰橈細1銆佺‘瀹氬彉閲忎箣闂...
绛旓細绾挎у洖褰掓柟绋嬬殑鍏紡濡備笅鍥炬墍绀猴細鍏堟眰x,y鐨勫钩鍧囧糥,Y 鍐嶇敤鍏紡浠ｅ叆姹傝В:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)鍚庢妸x,y鐨勫钩鍧囨暟X锛孻浠ｅ叆a=Y-bX 姹傚嚭a骞朵唬鍏ユ荤殑鍏紡y=bx+a寰楀埌绾挎у洖褰掓柟绋嬨
