28(补充)用矩阵解释一元线性回归-教学辅导.PDFVIP

28(补充)用矩阵解释一元线性回归-教学辅导 一．一元线性回归的一般形式 设随机变量y 与一般变量x 的线性回归模型为 1 y  x  0 1 1 其中  是未知参数，称为回归常数(regression constant) ， 为回归系数(regression 0 1 coefficient). y 称为因变量，而 x1 是可以精确测量并可以控制的一般变量，称为 自变量 (impendent)，对于随机误差我们常假定 E () 0   2 var( )    称 E (y )  x 0 1 1 为理论回归方程(regression equation). 在对未知参数做区间估计或假设检验时，还需要假定误差无从正态分布，即 2 y ~ N ( x , ) 0 1 由于 , 均未知，需要我们从手中的数据 (x , y ),i 1,2, ,n 出发进行估计.在收集 0 1 i i 数据时，我们一般要求观察独立的进行，及假定y , y , , y 相互独立，综合上述诸项假设， 1 2 n 我们可以给出最简单，最常用的一元线性回归的统计模型： y  x  ,i 1,2, ,n  i o 1 i i  2  N 0  各 独立同分布，其分布为（ ， ）  i 化为矩阵 y X  (1.1) y 1 x      1 1 1       y 1 x   2 2   2 其中y   X    0             1         y n 1 xn n       矩阵 X 是n 2 矩阵，称 X 为回归设计矩阵或资料矩阵.在实验设计中，X 的元素是预先设定 并可以控制的，人的主观因素可作用于其中，因而称 X 为设计矩阵. 二. 回归参数的普通最小二乘法(the least-squares estimate) 对于（1.1）式矩阵形式表示的回归模型y X  ，所谓最小二乘法，就是寻找 - 1 -