一元线性回归的估计.docxVIP

—元线性回归的估计 將品好文档.推荐学习交涼 第三章 双变量回归的估计 我们在第二章已导出 PRL 和 SPL,回归分析的目的是运用样本估计 样本回归直线 SRL,使之能最大限度“逼近”于 PRL.即对于总体回 归直线-PRL,即 E =E(Y|XJ+气=0 、+角云+ 吗(3.1) 利用样本形成样本回归直线(SRL),由此而提出的问题是，在什 么假定下，运用何 种方法形成 SRL,使 SRL 尽可能逼近 PRL (3.1) ?由于?是对总体回归直线的偏差，自然地希望基于 u 来实 现这一目的.由于 W 的估计心度量了样本点￡到样本回归直线的距离 (误差或偏差),且成为 W 的主 部，因此基于总体误差山就转化于基于样 本误差心。如果直接使工心最小，但单 个的％可能有正有负，有大 有小，从而导致部分心较大但其代数和却较小，这样 产生的参数估 计和对应的样本回归直线就可能没有最大可能逼近 PRL 的性质。类 似地，可讨论对工闷求最小所产生的问题。为回避这一类问题， 通 过对工卅求最 小所产生的参数估计及其 SPL,才可能尽可能逼近 PRL,由此形成样本回归直线的估 计，即 乙=A + p2Xi +ui (3.2) 这一种方法称为最小二乘法(OLS) 。现在，我们有总体回归直线 Yi=E(Yj/X=Xi)+Uj 邙 l+gXj+Ui 样本回归直线 Y-, =