一元线性回归（二）.pptVIP

一元线性回归（二） 另外一个例子 打开数据集wage，建立wage和educ的关系 我们把利用OLS方法估计出的参数α和β称为OLS估计量，用 表示。同时，以后每次做完回归后，我们将使用 作为回归拟合直线的纵坐标，以区分样本点纵坐标Y。 残差和拟合线的概念 残差是每个样本的拟合值和实际值之间的差。用ei或者 表示。 样本拟合线： 残差值： 如何得到残差和拟合值 在stata中做完回归后使用如下命令： predict y_hat,xb predict e,res list y y_hat e 可以发现 e=y-y_hat 思考：ei 与ui是否是一回事？ 有什么区别和联系？ 重写求解步骤，得到重要结论 一些重要结论 1. 从方程可知 样本回归线一定经过 4. 可以得到以下结论 OLS方法得到的拟合线一定是所有直线中拟合效果最好的，但由于样本自身的原因，拟合效果有好有坏。 最典型的例子是错误的函数形式 拟合优度 拟合优度R2：描述OLS回归线对样本数据的拟合效果；描述观测值在回归线附近的离散程度；同时描述了样本数据有多大程度可以被回归方程所解释。 R2是指可由Xi解释(或预测)的Yi样本方差的比例。 一个重要的公式： 证明： 拟合优度 根据平方和分解公式，可将被解释变量的离差平方和分解为模型可以解释与不可解释的部分。 如果模型可以解释