多元回归用什么方法

A. stata多元回归分析步骤是什么

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

广义最小二乘法是普通最小二乘法的拓展，它允许在误差项存在异方差或自相关，或二者皆有时获得有效的系数估计值。

Stata的统计功能很强

除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：

数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。

以上内容参考：网络-stata

B. 用什么先进方法可以解决多元线性回归的问题

在做回归预测时需要分析的数据往往是多变量的，那么我们在做多元回归时就需要特别注意了解我们的数据是否能够满足做多元线性回归分析的前提条件。
应用多重线性回归进行统计分析时要求满足哪些条件呢？
总结起来可用四个词来描述：线性、独立、正态、齐性。
（1）自变量与因变量之间存在线性关系
这可以通过绘制”散点图矩阵”进行考察因变量随各自变量值的变化情况。如果因变量Yi 与某个自变量X i 之间呈现出曲线趋势，可尝试通过变量变换予以修正，常用的变量变换方法有对数变换、倒数变换、平方根变换、平方根反正弦变换等。
（2）各观测间相互独立
任意两个观测残差的协方差为0 ，也就是要求自变量间不存在多重共线性问题。对于如何处理多重共线性问题，请参考《多元线性回归模型中多重共线性问题处理方法》
（3）残差e 服从正态分布N(0,σ2) 。其方差σ2 = var (ei) 反映了回归模型的精度， σ 越小，用所得到回归模型预测y的精确度愈高。
（4） e 的大小不随所有变量取值水平的改变而改变，即方差齐性。

C. 多元回归分析

为了更好地定量说明土壤理化性质对PAHs浓度的影响，对土壤理化参数和PAHs总量进行了多元回归分析，多元线性回归分析用于揭示被解释变量(因变量)与其他多个解释变量(自变量)之间的线性关系。因为自变量之间可能存在相关关系，为消除多重共线性的缺点，采用逐步回归方法进行分析。模型以PAHs总量为因变量，8个理化参数为自变量，3个灌区的回归结果见表4.10。

表4.10 各灌区剖面的PAHs总量与土壤理化指标的回归模型

注:R为相关系数，t为对回归参数的显着性检验值，F为回归方程的显着性检验，Sig为显着性概率。污灌区PAHs总量的回归方程为

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

式中:y为PAHs总量;x₁为TOC;x₂为土壤含水量;x₃为pH值;x₄为可溶盐含量。土壤的TOC含量、含水量、pH值、可溶盐含量是影响污水灌区土壤中PAHs分布的主要因素。

再生水灌区的回归方程为

y=70.053+107.296x₁-3.623x₂

式中:y为PAHs总量;x₁为TOC;x₂为土壤含水量。土壤的TOC含量和含水量是再生水灌区土壤中PAHs分布的主要影响因素。

清灌区的回归方程为

y=-3.627+54.853x

式中:y为PAHs总量;x为土壤的TOC含量。土壤TOC含量是清灌区土壤中PAHs分布的主要影响因素。

综合上述多元回归分析结果，土壤TOC含量是3个灌区唯一共同的影响因素，也是3个模型最重要的影响因子。在3个灌区，回归分析筛选出来的影响因子和相关分析得到的相关因子基本一致。

萘和菲均是3个灌区剖面检出含量占第一、第二位的污染物，同时也是2环和3环PAHs的典型代表，因此选择这两种PAHs建立单组分的多元线性回归分析模型(表4.11)。6个模型所筛选出来的因子和方程的显着性稍有差异，但TOC在各方程中依然是“最优”因子，且影响最显着，由此也可推出TOC是影响PAHs在土壤剖面分布的主要因素。

表4.11 各灌区剖面典型PAHs含量与土壤理化指标的逐步回归分析结果

注 :F为回归方程的显着性检验，Sig为显着性概率(参见表4.10)。

D. 多元回归模型，用哪种方法进行分析步骤是啥

看散点图像什么，建立合适的模型。

E. 多元阶层回归分析在spss中怎么做

可使用spssau的分层回归，操作简单两步出结果。

操作步骤：

1、选择spssau的分层回归。

同时生成标准表格结果及智能文字分析，不会统计学也可以看懂。

F. 如何对数据进行多元线性回归分析

对数据进行多元线性回归分析方法有很多，除了用pss ，可以用Excel的数据分析模块，也可以用Matlab的用regress（）函数拟合。你可以把数据发到我的企鹅邮箱，邮箱名为网络名。

G. 怎么用excel做多元回归分析

用EXCEL做回归分析主要有图表法和函数法： 1、图表法： 选择参与一元线性回归两列数据（自变量x应在应变量y的左侧），插入图表，选择散点图。 选择图表中的数据系列，右击，添加趋势线，点击“选项”选项卡，勾选“显示公式”、显示R平方值。 注意显示出的R2值为R的平方，需要用SQRT()函数，计算出R值。 2、函数法 若X值序列在A1:A100单元格，Y值序列在B1:B100单元格， 则线性公式的截距b =INTERCEPT(B1:B100,A1:A100) 斜率k =SLOPE(B1:B100,A1:A100) 相关系数R =CORREL(A1:A100,B1:B100) 或 =CORREL(B1:B100,A1:A100) 上述两种方法都可以做回归分析，同时结合图表和函数会取得更满意的效果。

H. matlab怎么做多元回归分析

如何利用matlab软件建立多元回归数学模型的方法有：1、多元回归数学模型是线性的，可以用regress（）函数求得。例如f(x1,x2,x3)=a1+a2*x1+a3*x2+a4*x3%多元线性回归函数求解方法：x1=[。。。];x2=[。。。];x3=[。。。];X=[ones(n,1)x1x2

I. 如何用excel做多元回归分析

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

J. 如何用eviews做多元回归分析

用eviews做回归分析的过程如下：
首先下载eviews安装包，不用解压，首先点击一个reg文件，即成功注册；
然后点击一个exe执行文件，即可以打开软件；
然后，开始进行数据分析，首先建立一个时间序列文件，输入开始与截止时间；
第二步，输入命令建立序列，data y c x，中间需要有间隔，按enter返回；
第三步，导入数据；
第四步，输入命令ls y x，得出结果；
对数据进行分析，观察因变量与自变量的关系。
回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。