一元线性回归模型及其假设条件.pdf

§4.2一元线性回归模型及其假设条件

1．理论模型

y=a+bx+ε

X是解释变量，又称为自变量，它是确定性变量，是可以控制的。是已知的。

Y是被解释变量，又称因变量，它是一个随机性变量。是已知的。

A,b是待定的参数。是未知的。

2．实际中应用的模型

ˆ

ˆˆ



yabx

aˆ，，x是已知的，是未知的。bˆyˆ



b

回归预测方程：yabxa,称为回归系数。若已知自变量x的值，则通过预测方程可

以预测出因变量的值，并给出预测值的置信区间。

3．假设条件

2

满足条件：（1）E（）=0；（2）D（）=σ；（3）Cov(,)=0,i≠j;(4)Cov(,)=0。

iijij

条件（1）表示平均干扰为0；条件（2）表示随机干扰项等方差；条件（3）表示随机干扰

项不存在序列相关；条件（4）表示干扰项与解释变量无关。在假定条件（4）成立的情况下，

22

随机变量～N（a+bx，σ）。一般情况下，ε～N（0，σ）。

4．需要得到的结果

ˆ2

，，

ˆ

ab

§4.3模型参数的估计

1．估计原理

回归系数的精确求估方法有最小二乘法、最大似然法等多种，我们这里介绍最小二乘法。





eyyyyyee

估计误差或残差：，abx，abx（5.3—1）误

iiiiiiii



eab

差的大小，是衡量、好坏的重要标志，换句话讲，模型拟合是否成功，就看残差是

i



abe

否达到要求。可以看出，同一组数据，对于不同的、有不同的，所以，我们的问题

i



abe

是如何选取、使所有的都尽可能地小，通常用总误差来衡量。

i

衡量总误差的准则有：最大绝对误差最小、绝对误差的总和最小、误差的平方和最小等。

我们的准则取：误差的平方和最小。

nnn

22

2yyab

e