一元线性回归预测.docVIP

一元线性回归预测 回归预测在研究社会许多现象之间的定量关系方面有着十分广泛的应用，一元线性回归预测是最基本的、最简单的预测方法，是掌握其它回归预测方法的基础。 一、参数估计 一元线性回归预测模型的数学表达式是一元线性议程： （2-1） 式中：——预测对象，因变量或被解释变量； ——影响因素，自变量或解释变量； ——回归系数。 其含意表示事物主要受一个因素的影响，而且这种影响是呈线性关系的。但是，事实上，自变量与因变更的关系并不完全是一条直线，而只是近似一条直线。 但是怎样的直线才能最好地反映了与的关系呢？就是说，是否有一种方法使所确定的回归系数、是最佳的呢？最常用的方法是最小二乘法。即参数、的估计，一般采用最小二乘法。 对于预测对象，相关因素，可以收集到对数据： 如果经回归分析得到回归预测模型如式2-1所示，则对于每一个相关因素的值对应有一个的估计值。 则实际值与估计值一般是不相等的，存在一个偏差，称为估计误差或残差，用表示。 即 或写成 最小二乘法是以误差平方和最小这一原理来估计系数，从而建立回归预测模型的。设以表示误差平方和，则有： （2-2） 很显然，是参数、的函数，当求最小时，根据微分学中极值原理有： 即