1. 介绍:
回归(regression) Y变量为连续数值型(continuous numerical variable)
如:房价,人数,降雨量
分类(Classification): Y变量为类别型(categorical variable)
如:颜色类别,电脑品牌,有无信誉
2. 简单线性回归(Simple Linear Regression)
很多做决定过过程通常是根据两个或者多个变量之间的关系
回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间如何关联
被预测的变量叫做:因变量(dependent variable), y, 输出(output)
被用来进行预测的变量叫做: 自变量(independent variable), x, 输入(input)
2.1. 简单线性回归介绍
简单线性回归包含一个自变量(x)和一个因变量(y)
以上两个变量的关系用一条直线来模拟
如果包含两个以上的自变量,则称作多元回归分析(multiple regression)
2.2. 简单线性回归模型
被用来描述因变量(y)和自变量(X)以及偏差(error)之间关系的方程叫做回归模型
简单线性回归的模型是:
β_0、β_1为参数,ε是是一个随机的变量,均值为0,ε的方差(variance)对于所有的自变量x是一样的是独立的 ,ε满足正态分布。
2.3. 简单线性回归方程
这个方程对应的图像是一条直线,称作回归线。其中,β_0是回归线的截距,β_1是回归线的斜率,E(y)是在一个给定x值下y的期望值(均值)
3.多元线性回归
3.1. 多元回归模型
y=β_0+β_1x_1+β_2x_2+ … +β_p*x_p+ε
其中:β_0,β_1,β_2… β_p是参数,ε是误差值
3.2 多元回归方程
E(y)=β_0+β_1x_1+β_2x_2+ … +β_px_p
4. 估计流程
根据已有的数据,估计参数值β_0、β_1。。。的值。
估计的方法: