线性回归模型的基本概念与形式(ppt 113页)

线性回归模型的基本概念与形式目录：
一、基本概念
二、二元线性回归模型
三、多元线性回归模型
四、回归模型的函数形式
五、包含虚拟变量的回归模型

 

线性回归模型的基本概念与形式内容摘要：
回归的涵义：
　　最初的涵义：“回归”一词最早由英国生理学家高尔顿（Galton,1886）提出，用以指儿女的身高有回复到人口总体平均身高的趋势。
　　回归分析研究因变量对一个或多个自变量的依赖关系，其用意在于通过后者的已知值，去估计或预测前者的总体均值（古扎拉蒂，1995）
总体回归函数（population regression function,PRF）：
　　总体：北京师范大学全体教职工（3000人）
　　问题：北京师范大学教职工的工资W与受教育年限S的关系
样本回归函数（sample regression function,SRF）：
　　样本：从上述总体中随机抽取了100人
　　问题：根据样本数据估计总体中工资W与受教育年限S的关系
经典正态线性回归模型：
　　如果仅仅进行参数的点估计，不需要对误差项的概率分布作出假设；但如果要进行区间估计和假设检验，就需要知道误差项的概率分布。
　　如果经典线性回归模型的误差项服从正态分布，则称该模型为经典正态线性回归模型（classical normal linear regression model, CNLRM）
拟合优度检验；
　　为了衡量根据OLS估计得出的样本回归线对真实数据的拟合程度，引入拟合优度（goodness of fitness）的概念，并用判定系数（coefficient of determination）作为度量
　　总平方和（total sum of squares,TSS）
　　解释平方和（explained sum of squares,ESS）
　　残差平方和（residual sum of squares,RSS）

..............................