如果μ(x)=a+bx,此时估计μ(x)的问题称为一元线性回归问题.假设对于x的每一个值,有Y~N(a+bx,σ2),其中a,b,σ2都是不依赖于x的未知参数.记ε=Y-(a+bx),这相当于
式中,a,b,σ2都是不依赖于x的未知参数.称式(9.1.1)为一元线性回归模型,b称为回归系数.
以下给出a,b的估计.取x的n个不完全相同的值x 1,x 2,…,x n,做独立试验,得到样本(x 1,Y 1),(x 2,Y 2),…,(x n,Y n).根据式(9.1.1),知道Y i=a+bx i+εi,εi~N(0,σ2),各εi相互独立.
由于Y i~N(a+bx i,σ2),i=1,2,…,n,且Y 1,Y 2,…,Y n相互独立,故而Y 1,Y 2,…,Y n的联合密度函数为
以下应用极大似然估计法给出a,b的估计.要使似然函数L取最大值,只要式(9.1.2)的右边括弧中的平方部分为最小,即
取最小值.
以下根据最小二乘原理来确定a,b,使Q(a,b)取最小值,这样得到的估计称为最小二乘估计.分别求Q关于a,b的偏导数,并令它们为零,即
得方程组
由于x 1,x 2,…,x n不完全相同,此方程组的系数行列式
解得b和a的最小二乘估计值为
(www.xing528.com)
式中,
在得到a和b的估计值后,对于给定的x,我们就取作为回归函数μ(x)=a+bx的估计,即,称为Y关于x的经验回归函数.记=,称为Y关于x的经验回归方程,简称回归方程,其图形称为回归直线.
为了以后计算方便,我们引入下述记号
这样,b和a的最小二乘估计值可以写成
例9.1.2(续例9.1.1)设在例9.1.1中的随机变量Y符合式(9.1.1)所述的条件,求Y关于x的线性回归方程.
解 现在n=10,为了求线性回归方程,所需计算列在表9-2中.
表9-2 有关计算
根据表9-2得
因此,b和a的最小二乘估计值为
于是,得到线性回归方程
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。