第二讲一元线素性回归.pptVIP

一元线性回归（一）;;不同的课本定义有所不同;因此，这就不再是一个精确的确定性关系，而是一个非确定性关系。 ;确定性和非确定性关系的图形表示;书上的例子：大体为弱负相关性; 其中ui是从样本点到直线的距离;随机误差项出现的原因;何为回归？ 一般而言，父亲身高(矮)，子女也身高(矮) 加尔顿(Galton)发现：矮个的父亲，如身高1.5M的人群，他们的子女的平均身高大于其父亲的平均身高，且趋向于(或回归于)所有人(高和矮)的平均身高。 对于高个的父亲，其子女的平均身高低于其父亲的平均身高，而且回归到所有人的子女的平均身高，即回归到中等身高。;1。对于模型 来说，由于干扰项的存在，我们只能随机选取若干样本点，此时，无法求出B0和B1的值。 2。我们需要找到一条“穿越”这些样本点的直线，来模拟Y与X的线形关系。这样的直线有无???条，每画一条直线，就会产生一组B0’和B1’的取值。;3。关键的问题是，如何找到一条最“完美” 的直线，使得这条直线对于样本点具有最强的解释力，如果能够确定这条直线， B0和B1就能够“估计”出来，这就是我们所需要的参数。在计量课本中一般用 表示。 ;参数估计;所有的样本点向直线引出垂线（样本点到直线的距离），最完美的直线一定是：所有样本点到直线的距离的平方和最小。 这就是