多元线性回归(不考)
(三)维数祸根
上次提到,对于非线性模型,可以利用泰勒展开去掉高阶项,得到近似的线性模型。但如果协变量的维数很高,偏导数很多,会导致计算量增大。
(1)可加模型:
即假定多元协变量的函数可以写成 p 个一元函数之和
(2)部分线性回归:
即把多元协变量分为两部分,其中一部分具有线性结构,用来估计参数,另外一部分维数低,可以用泰勒展开处理。
(3)单指标回归模型:
用
(4)变系数回归模型:
(四)LSE 的渐近性质
考察线性回归模型
则 LSE 估计量为
(1)相合性:
证明:往证两者之差依概率收敛于0。将
这里出现了 n 个独立同分布随机变量和的形式,所以配凑大数定律得到
(2)渐近正态性:
证明:与(1)类似得到