【统计学笔记】第12章 多元线性回归

书籍：《统计学（第六版）》
书籍作者：贾俊平

• 索引

  💬 专业名词：方便查找，解释说明

  📌 专业名词

  🔒 公式推导：解释说明

  🔑 公式记忆：方便查找

  📖 摘抄

  🗣 案例

12.1 多元线性回归模型

• 12.1.1 多元回归模型与回归方程

  📌 多元回归模型

  设因变量为y，k个自变量分别为$x_1，x_2，\dots ，x_k，$描述因变量y如何依赖于自变量和误差项ε的方程称为多元回归模型。其一般形式可表示为：

  $$y={\beta }_0+{\beta }_1{x}_1+{\beta }_2{x}_2,\dots ,{\beta }_k{x}_k+\epsilon$$

  式中，${\beta }_0，{\beta }_1，{\beta }_2，\dots ，{\beta }_k$是模型的参数，ε为误差项。

  📖 误差项的3个基本假定
  （1）误差项ε是一个期望值为0的随机变量，即E(ε)=0。
  （2）对于自变量x1，x2，…，xk的所有值，ε的方差σ2都相同。
  （3）误差项ε是一个服从正态分布的随机变量，且相互独立，即$\epsilon \sim N(0，\sigma 2)$。

  📌 多元回归方程
  描述了因变量y的期望值与自变量x1，x2，…，xk之间的关系。公式如下：

  $$E(y)={\beta }_0+{\beta }_1{x}_1+{\beta }_2{x}_2+\dots +{\beta }_k{x}_k$$

• 12.1.2 估计的多元回归方程

  📌 估计的多元回归方程

  当用样本统计量${\hat{\beta }}_0，{\hat{\beta }}_1，{\hat{\beta }}_2，\dots ，{\hat{\beta }}_k$去估计回归方程中的未知参数β0，β1，β2，…，βk；其公式为：

  E ( y ) = β ^ 0 + β ^