在给定一列数据 ( x 1 , y 1 ) , . . . , ( x n , y n ) (x_1, y_1), ...,(x_n, y_n) (x1,y1),...,(xn,yn)时,如果认为它满足线性模型:
y = a + b x + ϵ y=a + bx + \epsilon y=a+bx+ϵ
则可以用不同方法估计参数来拟合直线。
1. 最小二乘法(OLS)回归
最小二乘法是大家平时用的最多的拟合线性模型的方法,它使:
R S S ( a , b ) = ∑ i = 1 n [ y i − ( a + b x i ) ] 2 RSS(a, b)=\sum_{i=1}^n[y_i-(a+bx_i)]^2 RSS(a,b)=i=1∑n[yi−(a+bxi)]2
最小,这样得出的 a ^ , b ^ \hat{a}, \hat{b}