回归分析部分课件.pptVIP

多元统计课程设计之回归分析 长春工业大学 线性回归模型 一元线性回归模型 多元线性回归模型 p=1时，先做散点图； p=2时，回归平面； p=3时，回归超平面，几何图形无法表示 回归模型的基本假设 1. 解释变量y为随机变量，而解释变量 为非随机变量，观测值 是常数。 2. Gauss-Markov条件(等方差及不相关假定条件) 回归模型的基本假设 3. 正态分布假设 即 4. 通常为了便于数学上的处理，还要求n p，即样本容量的个数要多于解释变量的个数。 对线性回归模型通常要研究的问题 1. 如何根据样本求出参数 及方差 估计； 2. 对回归方程及回归系数的种种假设进行检验； 3. 如何根据回归方程进行预测和控制，以及如何进行实际问题的结构分析。 正态假设下， 参数的最小二乘估计（OSLE） 与极大似然估计（MLE）一致，即若线性回归 模型为 ，其中 则有 ，可得 若称 为