正文:
3.1线性回归预测模型建模理论
设有因变量Y和自变量X
i( i=1,2,3……m)。对Y和X
i进行n次观测,得一组观测值为(X
1t , X
2t , ……X
mt , Y
t) , t=1,2,3……n。
如果Y和X
i之间存在线性相关,则可配一个线性回归方程:
%20 +u %20 (1)
式中:b
0, %20b
i,..b
m,为回归系数,是待定值;%20u
i%20为随机干扰项;可以利用矩阵,将这样一个方程组紧凑地表示为
%20在回归分析中,我们对模型做了一些假设,其中最主要的是Gauss—Markov假设,这些假设可以用表1简洁的表示出来。
表1 %20
古典线性回归模型的假定
%20数量符号 |
矩阵符号 |
说明 |
- E(ui)=0
- i
|
(1)E(u)=0
U和0都是Nx1列向量 |
观测无系统误差 |
- E(ui,uj)=0,i≠j
-
|
(2)E(uu’)=σ2%20 I是N×N单位矩阵 |
等方差性 |
(3)X2,X3,…,XK是非随机变量 |
(3)矩阵X是非随机的 |
|
(4)在变量X之间不存在严格的线性关系 |
(4)X的秩是K,即X的列数,而K小于N |
没有多重共线性 |
为使(1)式成为最佳的配合直线,可用最小二乘法确定m+1个回归系数。
取全部观测值
%20和%20
%20的偏差平方和
%20 %20 (2)
达到最小。按数学分析中的极值原理,首先取
由此解得:%20
%20
%20 (3)
式中:%20
%20,%20
%20;把%20
%20代入①式,整理后得:
再取上式对%20
%20的导数。并令导数为零:
%20 %20
%20 (4)
如果: %20 %20
%20 %20
则由③式得:%20
%20
%20 %20 (5)
(5)是一个含m个待定值b
i和m个方程的联立方程组,也称回归方程(1)的正规方程组。如果它的系数(S
IJ)行列式不为零,则可用消元法解出b
2/8 首页 上一页 1 2 3 4 5 6 下一页 尾页