多元线性回归分析—容提要与案例.docVIP

多元线性回归分析—内容提要 1.多元线性回归的数学模型 【模型的理论假设】设是个自变量（解释变量），是因变量，则多元线性回归模型的理论假设是 ，， 其中，是个未知参数，称为回归常数，称为回归系数，为随机误差. 【模型的建立】求元线性函数 的经验回归方程 ， 其中，是的统计估计，分别是的统计估计，称为经验回归系数. 【模型的数据结构】设对变量向量的次观测得到的样本数据为，.为了今后讨论方便，我们引进矩阵 ，，， 于是，多元线性回归模型的数据结构为 称为多元样本回归方程，其中,且各个相互独立.由于矩阵是样本数据，的数据可以进行设计和控制，因此，矩阵称为回归设计矩阵或资料矩阵. 注释 对多元线性回归模型理论假设的进一步说明： ⑴ 条件表明，是一个满稚矩阵，即矩阵列向量（解释变量）间线性无关，样本容量的个数应当大于解释变量的个数.反该假设时，称模型存在多重共线性问题. ⑵ 条件且各个相互独立表明，系统受到零均值齐性方差的正态随机干扰，系统自变量之间不存在序列相关，即 ，,. 当时，称回归模型存在异方差.当时，称回归模型存在自相关. 当模型违反上述假设后，就不能使用最小二乘法估计回归系数.解决方法将在后面介绍，先介绍模型符合假设时的参数估计方法. 2.模型参数的最小二乘估计 【参数估计的准则】定义离差平方和 ， 求使得 ， 称称为模型参数的最小二乘估计，称 为因变量的回归拟