3.2 多元線性回歸模型的參數(shù)估計(jì).ppt_第1頁(yè)
3.2 多元線性回歸模型的參數(shù)估計(jì).ppt_第2頁(yè)
3.2 多元線性回歸模型的參數(shù)估計(jì).ppt_第3頁(yè)
3.2 多元線性回歸模型的參數(shù)估計(jì).ppt_第4頁(yè)
3.2 多元線性回歸模型的參數(shù)估計(jì).ppt_第5頁(yè)
已閱讀5頁(yè)，還剩11頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第二節(jié) 多元線性回歸模型的參數(shù)估計(jì),1.最小二乘準(zhǔn)則：殘差平方和最小,2.最小二乘估計(jì)量的推導(dǎo)過程,一、參數(shù)的最小二乘估計(jì),將上式化簡(jiǎn)整理后得,=,即,正規(guī)方程組的矩陣形式,即,將上述過程用矩陣表示如下：,即求解方程組：,得到：,于是：,離差形式的最小二乘估計(jì)量,樣本回歸函數(shù)的離差形式,其矩陣形式為,其中 ：,在離差形式下，參數(shù)的最小二乘估計(jì)結(jié)果為,這里：,被解釋變量樣本觀測(cè)值擬合值的離差形式的列向量；,未知參數(shù)估計(jì)值的列向量。,解釋變量樣本觀測(cè)值的離差形式的矩陣；,例3.1 教材54頁(yè),解：參數(shù)的最小二乘估計(jì)量為,其中,代入數(shù)據(jù)得,3.隨機(jī)誤差項(xiàng)u的方差 的無偏估計(jì),可以證明，隨機(jī)誤差項(xiàng)u的方差 的無偏估計(jì)量為,其中k為解釋變量的個(gè)數(shù)。,殘差的性質(zhì),二、參數(shù)估計(jì)量的性質(zhì),在滿足基本假定的情況下，未知參數(shù)的普通最小二乘估計(jì)量仍具有：線性性、無偏性、有效性。,1、線性性,證明,2、無偏性,無偏性是指估計(jì)量的數(shù)學(xué)期望等于參數(shù)真實(shí)值。,證明,對(duì)上式兩端取數(shù)學(xué)期望得,3、有效性（最小方差性）,最小方差性是指在所有的線性無偏估計(jì)量中，OLS估計(jì)量具有最小的方差。,

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論