一元线性回归（普通最小二乘估计OLS）

作者: 想象_442c | 来源:发表于2021-01-20 17:55 被阅读0次

思想：

用 $\hat{y_i}=\hat{\beta_0}+\hat{\beta_1}\hat{x_i}$ 来当作 $y_i$ 的估计量

这里 $y_i$ 与 $\hat{y_i}$ 不一定相等，设两者之差为 $\varepsilon_i$ 称其为残差

OLS就是要求得使残差 $\varepsilon_i$ 最小的参数 $\hat{\beta_0}$ $\hat{\beta_1}$

$\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x}$

$\hat{\beta_1}=\cfrac{\Sigma(x_i-\bar{x})(y_i-\bar{y})}{\Sigma(x_i-\bar{x})^2} =\cfrac{\Sigma x_iy_i-n\bar{x}\bar{y}}{\Sigma x_i^2-n\bar{x}^2}$

其他的表达形式：

记 $\dot{x_i}=x_i-\bar{x}$

$\dot{y_i}=y_i-\bar{x}$
$\hat{\beta_1}=\cfrac{\Sigma\dot{x_i}\dot{y_i}}{\Sigma\dot{x_i}^2}$

网友评论

本文标题：一元线性回归（普通最小二乘估计OLS）

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

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！