multinorm r语言_在R软件中实现回归估计

3.1

最小二乘法

有三种方式可以实现最小二乘法的简单线性回归，假设数据

byu

(

1

)

lm(byu$salary ~ byu$age + byu$exper)

(

2

)

lm (salary ~ age + exper, data= byu)

(

3

)

attach(byu)

lm(salary~age+exper)

lm()

只能得出回归系数，

要想得到更为详尽的回归信息，

应该将结果作为数

据保存或者使用“拟合模型”(

fitted model

)

result

summary(result)

myresid

获得残差

vcov(result)

＃针对于拟合后的模型计算方差－协方差矩阵

回归中允许使用诸如

log

()和

sqrt

()等相对复杂的项目作为自变量，但

如果设计幂，就必须先计算，然后才能回归；或者使用

I

()

，它可以在对公式

估值前强制完成计算

salary$agesq 

result

lm(salary

~

age

+

agesq

+

log(exper)

+

age*log(exper),data=byu)

或者

result

lm(salary

~

age

+

I(age^2)

+

log(exper)

+

age*log(exper),data=byu)

如果我们要进行无常数项，一般在回归中引入

0

result 

3.2

从回归中提取统计量

一些统计量和参数都被存储在

lm

或者

summary

中

output 

SSR

deviance

(

result

)

＃

残

差

平

方

和

；

(

另

一

种

方

法

：

RSquared

output$r.squared)

LL

对数似然统计量

DegreesOfFreedom

自由度

Yhat

拟合值向量

Resid

s

误差标准差的估计值(假设同方差)

CovMatrix 

系数的方差－协方差矩阵(与

vcov()

同)

3.3

异方差及相关问题

3.3.1

异方差的

Breusch

－

Pagan

检验

为了检验异方差是否存在，

我们可以用

lmtest

包中的

Breusch

－

Pagan

检验。

或者利用

car

包中的

ncv.test()

函数。二者工作的原理都是相同的。在回归之

后，我们可以对拟合的模型采用

bptest

()函数

unrestricted

bptest(unrestricted)

这将得到检验的“学生化的”(

studentized

)结果。如果为了保持与其他软件

结论的一致性(包括

ncv.test())

，我们可以设置

studentize=FALSE

3.3.2

异方差(自相关)稳健性协方差矩阵

在存在异方差的情况下，

ols

的估计是无偏的，但是所得到的关于

β

系数方