回归方程参数估计杂谈
在正文开始之前首先谈谈何为回归,现代意义上的回归,是研究因变量对自变量的依赖关系的一种统计分析方法,目的是通过自变量的给定值来估计或预测因变量的均值。它可用于预测、时间序列建模以及发现各种变量之间的因果关系。简单地说,回归就是去分析因变量与自变量之间的关系,从而为分析数据、预测数据提供科学的、合理的方法。根据模型中变量的个数可以分为一元回归模型和多元回归模型,根据模型是否为线性可分为线性模型和非线性模型,根据模型中变量的随机性亦可分为固定效应模型、随机效应模型和混合效应模型(亦可称联合模型)。而为了获得回归模型最重要的一步就是对模型的参数进行估计,下面介绍一下参数估计都哪些?
常用回归方程的参数估计方法
1、最小二乘估计
最小二乘法具有很多好的性质,其中最重要的性质便是Gauss-Markov定理,该定理表明:在一切线性无偏估计类中最小二乘估计具有方差最小性
2、广义最小二乘估计
随机误差项之间存在自相关性,即误差项方差不等或彼此之间存在相关性
3、逻辑回归
4、岭估计
5、主成分估计
6、偏最小二乘估计
变量之间存在多重共线性
*未完待续~~~~~*
[1]: http://meta.math.stackexchange.com/questions/5020/mathjax-basic-tutorial-and-quick-reference
[2]: https://mermaidjs.github.io/
[3]: https://mermaidjs.github.io/
[4]: http://adrai.github.io/flowchart.js/