统计学整理（四）

一元回归分析

方差分析，介绍了分类型自变量对数据型因变量影响的分析方法。
下面来研究数值型自变量和数值型因变量之间关系的分析方法。

拿到数据，首先画散点图，观察散点图的分布情况，再考虑建模，不要为了建模而建模。要根据数据特征和分析目的确定分析方法。

一、模型设定
线性：Y=β0+β1x+ε
非线性：Y=β0+e^β1x+ε

β0+β1*x—固定效应的部分，代表Y和X的固定关系
ε：不可控的噪声因素，一定是没有意义的。如果仍然有意义，那么方程有问题，没有完全提取X与Y的信息。

参数如何估计未知β：
最大似然函数：不同分布函数的相乘
最小二乘：数据要满足一定的满足条件：服从正态

二、模型拟合（最小二乘法）
估计方程，估计值
Y^=β0 ^+β1*x ^
其中，用最小二乘估计法是最简单的，最小二乘法的核心思想是散点图中的点 离 预估的直线方程，最短的距离。

这里之所以画的是垂直方向的直线，是因为斜边的距离能够代表点到直线的距离，使其最短。

上图仅表示一些固定的散点，但实际是，估计直线，像一个风筝一样，被各个实际散点吊着，在上下漂浮着，直至找到最优解。

e(误差）=y-y^
进而
ε=y-β0 ^-β1*x ^
测算距离，一般用平方，即：