MATLAB中方程组的解与回归模型的最小二乘估计.pdfVIP

理 论 新 探 #$%# 中方程组的解与 回归模型的最小二乘估计 许启发 （山东工商学院统计学院，山东 烟台 !;# ） 摘 要：本文讨论了线性回归模型与线性方程组之间的内在联系与形式上的差异，基于 %’: () 对线性方程组的解进行了扩展，指出超定方程组的近似解就是对应线性回归模型的最小二乘 解，并且给出了实例和相应模拟程序。 关键词：方程组；线性回归；最小二乘； %’() 中图分类号： 文献标识码： 文章编号： （ ） ,# ,!7;= !# $7!,7$ 现行的统计类教材在介绍线性回归模型时，往往都是孤 （， … ）、…… … ）张成的 维空间中的一个超 ,3 3 3 3 33, * % % *7! 个 *7, 个 立地探讨线性回归模型设定、参数最小二乘估计等相关主 平面，每一组数据（ … ）的取值就是点在空间中的坐 + 3+ 3 3+ 2, 2! 2* 题，完全没有考虑和基础知识尤其是线性代数知识的结合问 标。若关系（）成立，则意味着点在平面上；反之，点在平面 ! 题，造成初学者对该部分内容似曾相识却又难以达到清晰认 外。在二维平面上，两点确定一条直线；在三维空间中，三点 识的程度。本文着重分析了线性方程组与线性回归模型之间 确定一个平面；同样地，在 维超空间中，个点确定一个超 * * 的联系与区别，基于 %’() 语言对线性方程组的解进行 平面（只要这些点不重复）。因此，由 个方程组成的 元线 1 * 了扩展，并给出实例说明线性方程组的解与线性回归模型最