这篇博客重点介绍了FRM考试中的定量分析部分，包括贝叶斯公式、全概率公式和回归与多元变量的概念。在回归分析中，详细讲解了Yi=a+β1X1i+β2X2i+...+βkXki+ϵi的模型，以及OLS假设、R2、Adjusted R2的计算和含义。同时，提到了T-test和F-test在假设检验中的应用，以及回归诊断中的遗漏变量偏误、完美共线性和多重共线性问题。最后讨论了残差作图和离群值的识别。
贝叶斯公式
全概率公式
回归和多元变量
Y i = a + β 1 X 1 i + β 2 X 2 i + . . . + β k X k i + ϵ i Y_i = a + \beta_1X_{1i} + \beta_2X_{2i} +...+\beta_kX_{ki}+\epsilon_i Yi=a+β1X1i+β2X2i+...+βkXki+ϵi
OLS assumptions
- 不能完美共线性要避免
- Y ˉ \bar{Y} Yˉ
R 2 R^2 R2
- R 2 = E S S T S S = ∑ ( Y i ^ − Y ˉ ) 2 ∑ ( Y i − Y ˉ ) 2 = 1 − R S S T S S = 1 − ∑ ( Y
最低0.47元/天 解锁文章
扫一扫
873
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
