转载来源:https://my.oschina.net/keyven/blog/526010
,
相应python代码来源-python最小二乘法拟合直线:
https://blog.csdn.net/m0_38128647/article/details/75689228
大家可以参考以上转载的来源,以下只是个人笔记记忆要点。
有了上述推导证明,普通最小二乘法一般形式可以写成(字母盖小帽表示估计值,具体参考应用概率统计):
“线性”含义
线性回归问题中,“线性”的含义是指被估计参数β1 和β2 是线性相关的,而不关心解释变量与被解释变量以何种形式出现,例如y = kx + b,log(y) = kx + b,log(y) = klog(x) + b,etc. 下面列举一些常用的曲线方程:
1、双曲线 1/y = a + b/x
令y’=1/y,x’=1/x,则有y’=a+bx’
2、幂函数曲线y=axb
令y’=lny,x’=lnx,a’=lna,则有y’=a’ +bx’
3、指数函数曲线y=aebx
令y’=lny,x’=x,a’=a,则有y’=a’+b x’
4、负指数函数曲线y=aeb/x(同上)
5、对数函数y=a+blnx
令y’=y,x’=lnx,则有y’=a+bx’
6、S型(Logistic,逻辑斯蒂回归)曲线y=K/(1+Ae-λx)
令y’=ln((K-y)/y),a=lnA,则有y’=a-λx
多重线性回归
多重回归研究的是变量y 与可控变量x1,x2,…,xk 之间的线性关系,假设
根据线性代数,则有
得到
与普通最小二乘法推导证明相似,可以得到β 的最小二乘估计
此处不作证明,具体可参考《应用概率统计 张国权 著》第九章 回归分析。
转载来源:https://my.oschina.net/keyven/blog/526010