目录
前言
估计回归参数的最基本方法是最小二乘法。这个方法不仅仅在统计学中,就是在数学的其他分支,例如运筹学、计算数学、逼近论和控制论等,都是很重要的求解方法。本章前三节我们首先讨论如何应用最小二乘法求回归参数的最小二乘估计,并研究这种估计的基本性质。在本文四五部分,我们讨论了当有了一批实际数据后 ,如何考察导出最小二乘估计的基本假设的适用性以及当这些假设不适用时,对数据应该做的变换,即变换。在本文第六部分我们讨论了广义最小二乘估计。在一些情况下,最小二乘估计并不是一个好的估计,于是统计学家提出了一些新的估计。在本文最后两部分,我们将讨论其中最重要的两种估计——岭估计和主成分估计。
一、经验线性回归方程
1.未知参数的估计
假设为因变量,为对有影响的个自变量,并且他们之间具有线性关系,其中为误差项,它表示除了之外其他因素对的影响以及试验或测量误差。是待估计的未知参数。
假设我们有了因变量和自变量的组观测值:
他们满足。误差项满足如下假设(假设):
- (等方差)
- (不相关)
若用矩阵形式,变形为:
等价地,。是的变量观测向量,为的已知设计矩阵,为未知参数向量,为随机误差向量。用矩阵形式可将假设写成:
将合并在一起,就得到最基本、最重要的线性回归模型:
获得参数向量的估计的一个最重要的方法是最小二乘法,这个方法是找的估计,使得偏差向量的长度之平方达到最小。记