【应用回归分析】CH3 回归参数的估计5——Box-Cox变换

最新推荐文章于 2024-07-19 16:29:11 发布

数据人的自我救赎

最新推荐文章于 2024-07-19 16:29:11 发布

阅读量1.6k

点赞数 1

分类专栏：应用回归分析文章标签：回归数据挖掘人工智能

本文链接：https://blog.csdn.net/m0_72318954/article/details/127514937

版权

一、Box-Cox变换的含义

Box-Cox变换是对回归因变量Y的如下变换：

$Y^{(\lambda )}=\left\{\begin{matrix} \frac{Y^{\lambda }-1}{\lambda },\lambda \neq 0,\\ lnY,\lambda =0. \end{matrix}\right.(3.5.1)$

这里的 $\lambda$ 是一个待定变换参数。对不同的 $\lambda$ ，所做的变换自然不同，所以这是一个变换族。它包括了对数变换 $(\lambda =0)$ ，平方根变换 $(\lambda =\frac{1}{2})$ 和倒数变换 $(\lambda =-1)$ 等常用变换。对因变量的n个观测值 $y_{1},y_{2},\cdots,y_{n}$ ，应用上述变换，我们得到变换后的向量

$y^{\lambda }=(y_{1}^{(\lambda) },y_{2}^{(\lambda) },\cdots,y_{n}^{(\lambda) })^{'}$

我们要确定变换参数 $\lambda$ ，使得 $y^{(\lambda )}$ 满足： ${\color{Red} y^{(\lambda )}=X\beta +e,e\sim N(0,\sigma ^2I)(3.5.2)}$ 。

这就是说，我们要求通过因变量的变换，使得变换过的向量 $y^{(\lambda )}$ 与回归自变量具有线性相依关系，误差也服从正态分布，误差各分量是等方差且相互独立。因此，Box-Cox变换是通过参数 $\lambda$ 的适当选择，达到对原来数据的“综合治理”，使其满足一个正态线性回归模型的所有假设条件。