Ch in
multipleregression
.
.
Y =β +β
0
variables
Tudependent
X
,
1
+β
2
X2
+
+β KXk +
…
E
.
coefficTenfs
。
coefficient of determination
②
③ F
H0
*
β =β =β
:at
1
3
2
1
Ho
βi
=
O
H
,
series
time
Purbin
,
(
t
igj
1
(
與 y 比較
→
1
解釋度 )
*
adjustedR ≥
:
bzxa
K)
-
1
1
-
Ʃ ( yi
-
y]
=
/(
n
-
1
)
F ⼤可⾏
F 孙不可⾏
⼀器
F
2
F2
,
,
M
-
k
-
k,
-
M
k
|
|
⾃变取間有關聯⽤ multiple 算每個⾃变邦 P 不顯題著 但模型可⽤
,
( F
顯著了
→
怪
Tauto
correlatederial ycorrelated
Watson test
-
first order
autocorvelation
-
就
leieeir
=
O ≤
d
model
≤
ei & ei
-
consecutive
residuals
4]
positTve
會比較可⾏
Ch 18 Model
.
個⾃变取時
2
Building
:
first
*
polynomial
ordermodel
sfepwTse
regressTon
Greducemulticollineariy
( t test )
-
model
D
.
Megative
:
y =β +β
o
( nointeraction )
( with
…
…
=
-
+
不可 J
加入時間序列為⾃变取後
4
"
k
botb 1 λ 1
=
bi
=
Bito
:
⽌可以決定是否為
d
R
ε=
ay
要滿⾜
least one to t 可⾏
xmultTcollinearity
a
t
0
=
…
=
測試每個⾃变取
:
:
:S
test
-
:
H
.
↑
衡量這個 model 好不好
Dstandarderrorofestimation
:
inferaction )
'
,
x
+β
2
X +
y =β +β x , +β
0
,
y =β +β
:
0
or
1
2
E
x2+
+βλ +β3 X 1 λ
c
② 決定 α k
_
_
.
( Aipha toremove
_
臨界丢出⾨檻 )
x
, tx ~
x
, &x
保留
⼀直加⾃变叛進去 ( 不刪 ) 直到 SSEMin
model 裡 刪除最不顯著的
backwardelimination 全部⾃变取都在
forwardselection
從
O
,
,
best
-
subsets
regression
E
2
+ E
決定 α E ( AIpha to enter 顯著 P 值可進入⾨檻 」
对各别⾃变邦迥歸决定保留失出
→
→ ifx , 是最好的做
再決定丢出
λ
,
β pxP +
…
Ch 15 Chi
-
,
Squared
tests
multinomialexperiment 多種結果 ( * 多選擇
-
Chi
.
H0
-
squared goodness
P
=
,
=
of fTt test
-
-
=α
,
… Pk = Gk (
— 實際⼈叛
G
2
2
P
a
,
~
Gk 是想測試的值
;
)
:
H
⾄少⼀個不同
—
x
=Ʃ
lfi
,
→預
⼀
期望值要夠⼤
*
(
>
5)
→
o
的⼈取 lpx 總 N
可以增加樣本量
k
-
1 (
⾃由度 」
^
reJectTonregion
x
:
,
xy
,
k
1
-
or欄位合併
.
chT
squared contingency
-
table
決定兩個⾃变取間有沒有關係
two
EX
1
.
or
=
2
=
3
=
4
H
9
Ho
算出每種組合的⼈丰⼜
D
=
Cross
②
Tf 獨立
③
算出期望值 ( 獨立的前提 )
④
P ( BA
→
付顯顯著
→
&
AccOunting )
2 者有關聯
=
BA
BBA
other
P ( BA)
=
.
P (
of nominal
population
1
BEng
ACcounfing
=
2 → FTnance
3
=
→
12
組合
Marketing
兩個⽬变取 depindent
:
:
independent
x =Ʃ
classificationtable
-
more
ACCOunting ) → ⽤ data
(Si 」
2
算
再⽤ xi
→
也可解釋我也可測試
normallity
Ch
.
20
.
Time serTesanalysist
把時間作為 independentvarTable
_
cyclicalvariatTon
W
.
long termtrend
-
時間序列
seasonal
varrationMM 循環 ( 週期固定 )
random VarTation
smoothing
(
D
time serres
reduce random
c
variation)
②
循環 ( 週期不固定 ) (
D
wh 無法解釋
1
2
”
3
…
5
6
…
…
4
↓
moving averages exponential smoothing
X~
*
—
…
…
_
term
,
1
年)
( short term < 1 年 )
-
f 比循環週期長
讓決定因素不明顯題
→
—
long
,
但 ↓
变異