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 , … , x k , x_1,x_2,…,x_k, x1,x2,…,xk,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 = β 0 + β 1 x 1 + β 2 x 2 , … , β k x k + ε y=β_0+β_1x_1+β_2x_2,…,β_kx_k+\varepsilon y=β0+β1x1+β2x2,…,βkxk+ε
式中, β 0 , β 1 , β 2 , … , β k β_0,β_1,β_2,…,β_k β0,β1,β2,…,βk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 ε ∼ N ( 0 , σ 2 ) ε\sim{N(0,σ2)} ε∼N(0,σ2)。📌 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 ) = β 0 + β 1 x 1 + β 2 x 2 + … + β k x k E(y)=β_0+β_1x_1+β_2x_2+…+β_kx_k E(y)=β0+β1x1+β2x2+…+βkxk
-
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 β ^ 0 , β ^ 1 , β ^ 2 , … , β ^ k \hat{β}_0,\hat{β}_1,\hat{β}_2,…,\hat{β}_k β^0,β^1,β^2,…,β^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 ^