多元回歸用什麼方法

A. stata多元回歸分析步驟是什麼

在回歸分析中，如果有兩個或兩個以上的自變數，就稱為多元回歸。事實上，一種現象常常是與多個因素相聯系的，由多個自變數的最優組合共同來預測或估計因變數，比只用一個自變數進行預測或估計更有效，更符合實際。因此多元線性回歸比一元線性回歸的實用意義更大。

廣義最小二乘法是普通最小二乘法的拓展，它允許在誤差項存在異方差或自相關，或二者皆有時獲得有效的系數估計值。

Stata的統計功能很強

除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。具體說， Stata具有如下統計分析能力：

數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

以上內容參考：網路-stata

B. 用什麼先進方法可以解決多元線性回歸的問題

在做回歸預測時需要分析的數據往往是多變數的，那麼我們在做多元回歸時就需要特別注意了解我們的數據是否能夠滿足做多元線性回歸分析的前提條件。
應用多重線性回歸進行統計分析時要求滿足哪些條件呢？
總結起來可用四個詞來描述：線性、獨立、正態、齊性。
（1）自變數與因變數之間存在線性關系
這可以通過繪制」散點圖矩陣」進行考察因變數隨各自變數值的變化情況。如果因變數Yi 與某個自變數X i 之間呈現出曲線趨勢，可嘗試通過變數變換予以修正，常用的變數變換方法有對數變換、倒數變換、平方根變換、平方根反正弦變換等。
（2）各觀測間相互獨立
任意兩個觀測殘差的協方差為0 ，也就是要求自變數間不存在多重共線性問題。對於如何處理多重共線性問題，請參考《多元線性回歸模型中多重共線性問題處理方法》
（3）殘差e 服從正態分布N(0,σ2) 。其方差σ2 = var (ei) 反映了回歸模型的精度， σ 越小，用所得到回歸模型預測y的精確度愈高。
（4） e 的大小不隨所有變數取值水平的改變而改變，即方差齊性。

C. 多元回歸分析

為了更好地定量說明土壤理化性質對PAHs濃度的影響，對土壤理化參數和PAHs總量進行了多元回歸分析，多元線性回歸分析用於揭示被解釋變數(因變數)與其他多個解釋變數(自變數)之間的線性關系。因為自變數之間可能存在相關關系，為消除多重共線性的缺點，採用逐步回歸方法進行分析。模型以PAHs總量為因變數，8個理化參數為自變數，3個灌區的回歸結果見表4.10。

表4.10 各灌區剖面的PAHs總量與土壤理化指標的回歸模型

注:R為相關系數，t為對回歸參數的顯著性檢驗值，F為回歸方程的顯著性檢驗，Sig為顯著性概率。污灌區PAHs總量的回歸方程為

y=6509.691+570.341x₁-12.012x₂-756.247x₃-18.610x₄

式中:y為PAHs總量;x₁為TOC;x₂為土壤含水量;x₃為pH值;x₄為可溶鹽含量。土壤的TOC含量、含水量、pH值、可溶鹽含量是影響污水灌區土壤中PAHs分布的主要因素。

再生水灌區的回歸方程為

y=70.053+107.296x₁-3.623x₂

式中:y為PAHs總量;x₁為TOC;x₂為土壤含水量。土壤的TOC含量和含水量是再生水灌區土壤中PAHs分布的主要影響因素。

清灌區的回歸方程為

y=-3.627+54.853x

式中:y為PAHs總量;x為土壤的TOC含量。土壤TOC含量是清灌區土壤中PAHs分布的主要影響因素。

綜合上述多元回歸分析結果，土壤TOC含量是3個灌區唯一共同的影響因素，也是3個模型最重要的影響因子。在3個灌區，回歸分析篩選出來的影響因子和相關分析得到的相關因子基本一致。

萘和菲均是3個灌區剖面檢出含量占第一、第二位的污染物，同時也是2環和3環PAHs的典型代表，因此選擇這兩種PAHs建立單組分的多元線性回歸分析模型(表4.11)。6個模型所篩選出來的因子和方程的顯著性稍有差異，但TOC在各方程中依然是「最優」因子，且影響最顯著，由此也可推出TOC是影響PAHs在土壤剖面分布的主要因素。

表4.11 各灌區剖面典型PAHs含量與土壤理化指標的逐步回歸分析結果

注 :F為回歸方程的顯著性檢驗，Sig為顯著性概率(參見表4.10)。

D. 多元回歸模型，用哪種方法進行分析步驟是啥

看散點圖像什麼，建立合適的模型。

E. 多元階層回歸分析在spss中怎麼做

可使用spssau的分層回歸，操作簡單兩步出結果。

操作步驟：

1、選擇spssau的分層回歸。

同時生成標准表格結果及智能文字分析，不會統計學也可以看懂。

F. 如何對數據進行多元線性回歸分析

對數據進行多元線性回歸分析方法有很多，除了用pss ，可以用Excel的數據分析模塊，也可以用Matlab的用regress（）函數擬合。你可以把數據發到我的企鵝郵箱，郵箱名為網路名。

G. 怎麼用excel做多元回歸分析

用EXCEL做回歸分析主要有圖表法和函數法： 1、圖表法： 選擇參與一元線性回歸兩列數據（自變數x應在應變數y的左側），插入圖表，選擇散點圖。 選擇圖表中的數據系列，右擊，添加趨勢線，點擊「選項」選項卡，勾選「顯示公式」、顯示R平方值。 注意顯示出的R2值為R的平方，需要用SQRT()函數，計算出R值。 2、函數法 若X值序列在A1:A100單元格，Y值序列在B1:B100單元格， 則線性公式的截距b =INTERCEPT(B1:B100,A1:A100) 斜率k =SLOPE(B1:B100,A1:A100) 相關系數R =CORREL(A1:A100,B1:B100) 或 =CORREL(B1:B100,A1:A100) 上述兩種方法都可以做回歸分析，同時結合圖表和函數會取得更滿意的效果。

H. matlab怎麼做多元回歸分析

如何利用matlab軟體建立多元回歸數學模型的方法有：1、多元回歸數學模型是線性的，可以用regress（）函數求得。例如f(x1,x2,x3)=a1+a2*x1+a3*x2+a4*x3%多元線性回歸函數求解方法：x1=[。。。];x2=[。。。];x3=[。。。];X=[ones(n,1)x1x2

I. 如何用excel做多元回歸分析

在日常數據分析工作當中，回歸分析是應用十分廣泛的一種數據分析方法，按照涉及自變數的多少，可分為一元回歸分析和多元回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。

回歸分析的實施步驟：

1）根據預測目標，確定自變數和因變數

2）建立回歸預測模型

3）進行相關分析

4）檢驗回歸預測模型，計算預測誤差

5）計算並確定預測值

我們接下來講解在Excel2007中如何進行回歸分析？

一、案例場景

為了研究某產品中兩種成分A與B之間的關系，現在想建立不同成分A情況下對應成分B的擬合曲線以供後期進行預測分析。測定了下列一組數據：

J. 如何用eviews做多元回歸分析

用eviews做回歸分析的過程如下：
首先下載eviews安裝包，不用解壓，首先點擊一個reg文件，即成功注冊；
然後點擊一個exe執行文件，即可以打開軟體；
然後，開始進行數據分析，首先建立一個時間序列文件，輸入開始與截止時間；
第二步，輸入命令建立序列，data y c x，中間需要有間隔，按enter返回；
第三步，導入數據；
第四步，輸入命令ls y x，得出結果；
對數據進行分析，觀察因變數與自變數的關系。
回歸分析(regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。