第4章 线性回归模型的矩阵方法.pptVIP

第四章 线性回归模型的矩阵方法 教师：卢时光 本章介绍用矩阵代数符号来表示经典线性回归模型。本章除矩阵模型之外，不涉及新概念。 矩阵代数最大的优越性在于，它为处理任意多个变量的回归模型提供了一种简洁的方法。 本章需要具有行列式和矩阵代数的数学基础，请各位同学自行复习相关知识。在本章的讲授过程中所遇到的有关矩阵计算的定理和结论，不再一一证明，请自行参考有关书籍。 4.1 k变量的线性回归模型 如果我们把双变量和三变量的回归模型进行推广，则包含应变量Y和k-1个解释变量X2，X3，…，Xk的总体回归函数（PRF）表达为： 其中，β1截距， β2 到βk是偏斜率（回归）系数，u是随机干扰项，i是第i次观测，n为总体大小。 总体回归函数如同以前那样解释：给定了X2，X3，…，Xk的固定值（在重复抽样中）为条件的Y的均值或期望值。PRF还可以表达为： 上述表达式，如果写出矩阵的形式： 这样，我们把下述方程表达称之为：一般（k变量）线性模型的矩阵表现： 如果矩阵和向量的各个维数或阶不会引起误解，则可以简单写作： y ：对应变量Y观测值的n×1列向量。 X：给出对k-1个变量X2至Xk的那次观测值的n×k矩阵，其全为1的列表示截距项。此阵又称为数据矩阵。 β：未知参数β1 到βk的k×1列向量。 u ： n个干扰ui的n×1列向量。 4.2 经典回归模型的假定的矩阵表达 1