一元线性回归模型与多元线性回归模型对比.doc
《一元线性回归模型与多元线性回归模型对比.doc》由会员分享,可在线阅读,更多相关《一元线性回归模型与多元线性回归模型对比.doc(6页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、如有侵权,请联系网站删除,仅供学习与交流一元线性回归模型与多元线性回归模型对比一元线性回归模型多元线性回归模型总体回归函数即总体回归模型(总体回归函数的随机表达形式) 即样本回归模型(样本回归函数的随机表达形式) 即样本回归函数 即 给定一组容量为n的样本则,上述式子可以写成:给定一组容量为n的样本,则上述式子可以写成:总体回归函数总体回归模型样本回归模型样本回归函数样本回归函数的离差形式解释变量的个数(包括常数项)2个: C,Xk+1个: C,基本假定假设1:回归模型是正确设定的。模型设定正确假设。假设2:确定性假设。解释变量X是确定性变量,不是随机变量,在重复抽样中取固定值。:确定性假设。
2、解释变量是非随机或固定的,且各之间不存在严格线性相关(无完全多重共线性)。假设3: 样本变异性假设。对解释变量X抽取的样本观察值并不完全相同。 样本方差趋于常数假设。样本变异性假设。各解释变量在所抽取的样本中具有变异性。 样本方差趋于常数假设。随着样本容量的无限增加,各解释变量的样本方差区域一个非零的有限常数。假设4:随机误差项零均值、同方差、不序列相关假设。随机误差项零均值、同方差、不序列相关假设。 假设5:随机误差项与解释变量不相关。随机误差项与解释变量不相关。假设:6:正态性假设。随机项服从正态分布。正态性假设。随机项服从正态分布。参数估计一元线性回归模型多元线性回归模型普通最小二乘估计
3、(OLS)残差平方和达到最小,得到正规方程组,求得参数的普通最小二乘估计值:(普通最小二乘估计的离差形式)随机干扰项的方差的估计量残差平方和达到最小,得到正规方程组,求得参数的普通最小二乘估计值(普通最小二乘估计的离差形式)随机干扰项的方差 最大似然估计(ML)矩估计(MM)参数估计值估计结果与OLS方法一致,但随机干扰项的方差的估计量与OLS不同参数估计值估计结果与OLS方法一致,但随机干扰项的方差的估计量参数估计量的性质线性性、无偏性、有效性线性性、无偏性、有效性参数估计量的概率分布-样本容量问题-样本容量n必须不少于模型中解释变量的个数(包括常数项),即才能得到参数估计值,时t分布才比较
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一元 线性 回归 模型 多元 对比
限制150内