一元线性回归（BLUE性以及R方）

一元线性回归（BLUE性以及R方）

作者: 想象_442c | 来源:发表于2021-01-23 10:10 被阅读0次

1.高斯-马尔可夫定理（BLUE性）

在经典假设下，OLS估计量估计量具有，线性、无偏性和有效性三个优良性质，称为最佳线性无偏估计量（best linear unbiased estimator,BLUE）

线性

指 $\hat{\beta_0}$ 和 $\hat{\beta_1}$ 为 $y_i$ 和 $u_i$ 的线性函数
$\hat{\beta_1}=\Sigma \cfrac{\dot{x_i}}{\Sigma \dot{x_i}^2}y_i$

$\hat{\beta_1}=\beta_1+\Sigma \cfrac{\dot{x_i}}{\Sigma \dot{x_i}^2}u_i$

$\hat{\beta_0}=\Sigma (\cfrac{1}{n}-\bar{x}\cfrac{\dot{x_i}}{\Sigma \dot{x_i}^2})y_i$

$\hat{\beta_0}=\beta_0+\Sigma (\cfrac{1}{n}-\bar{x}\cfrac{\dot{x_i}}{\Sigma \dot{x_i}^2})u_i$

无偏性

$E(\hat{\beta_1})=\beta_1$

$E(\hat{\beta_0})=\beta_0$

有效性

在回归参数的所有线性无偏估计量中，OLS估计量的方差最小

2.拟合优度（可决系数）

$R^2=\cfrac{ESS}{TSS}=1-\cfrac{RSS}{TSS}$

TSS (total sum of squares)

$TSS=\Sigma (y_i-\bar{y})^2$

TSS为 y 的总离差平方和 ,反映的是因变量y的变异程度（离散程度）

ESS (explained sum of squares)

$ESS=\Sigma (\hat{y_i}-\bar{y})^2$

ESS为TSS中被 y 对 x 的回归方程所说明的部分，称为回归平方和（或已被解释的平方和）

RSS (residual sum of squares)

$RSS=\Sigma (y_i-\hat{y})^2$

RSS为TSS中未被回归方程所说明的部分，称为残差平方和

$R^2$ 称为拟合优度（测定系数/可决系数）它代表着回归方程可以解释的那部分变差占总变差的比例，越接近 1 表明能解释的越多，拟合程度越好。

$R^2$ 还有其他形式的表达：
$R^2=\hat{\beta_1}\cfrac{\Sigma\dot{x_i}\dot{y_i}}{\Sigma\dot{y_i}^2}$

相关文章

网友评论

本文标题：一元线性回归（BLUE性以及R方）

本文链接：https://www.haomeiwen.com/subject/gsrczktx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

栏目导航

热点阅读

关于我们|服务条款|联系我们|一元线性回归（BLUE性以及R方）|投稿指南|网站地图|RSS订阅|排版工具|手机版

提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网版权所有

备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！