两变量线性回归课件.pptVIP

*二、最小二乘估計的均值和無偏性定義：參數估計量的均值就是真實值：b的無偏性的證明*a的無偏性同理可證。意義：參數估計量是以參數真實值為分佈中心的隨機變數，反復抽樣估計可得真實值。這是重要的分佈性質，是推斷分析的基礎。因為同時具有線性性和無偏性，因此最小二乘估計量是線性無偏估計量。*三、最小二乘估計的方差和最小方差性在參數估計是無偏估計、線性無偏估計的基礎上，方差較小的則意味著參數估計的精確程度較高，統計推斷的效果也較好。b的方差：a的方差：*在所有可能的線性無偏估計中，最小二乘估計a和b的方差最小。這個性質稱為最小方差性，也稱為有效性。最小二乘估計是參數真實值的最小方差線性無偏估計，也稱為最優線性無偏估計或BLUE估計。*四、最小二乘估計的一致性定義：參數估計量的概率極限等於參數真實值。意義：屬於大樣本性質。保證增加樣本容量可以逼近參數真實值。最小二乘估計在模型假設下是一致估計。*第四節回歸擬合度評價和決定係數一、擬合度評價的意義二、離差分解和決定係數*一、擬合度評價的意義評價回歸分析、參數估計優劣的根本標準，是回歸直線對樣本數據的吻合程度，也稱為“擬合度”或“回歸擬合度”。回歸擬合度是判斷和檢驗參數估計方法的方法之一。回歸擬合度也是檢驗模型變