多元就是有多个解释变量,我们需要找到这些解释变量与被解释变量之间的线性关系。
跟一元线性回归一样,都是要估计解释变量对被解释变量的影响程度,也就是那个系数。
这里我们用的依然是OLS估计法,即,使得估计出的模型与现实的误差最小(以真实解释变量的数据,在估计出的模型中产生的y的估计值,与真实的y的差距最小)。
扩展至k个解释变量——多元线性回归:
![ad7301780cd5422a94ed99a8e2394f2d.png](https://i-blog.csdnimg.cn/blog_migrate/49121c16bfee74625e6279fdbb0a4003.jpeg)
- 【对模型方程组的改写】
令第一个解释变量恒等于1,这样β1就作为常数项。等式右侧是乘积和的形式,我们可以将它写为向量积的形式:
![695fc300e2f943d5047103dc7f7eb1a4.png](https://i-blog.csdnimg.cn/blog_migrate/c2b8351c2d01241949c57b2f487c207d.jpeg)
将多个样本的回归方程叠放如下: