Лекция № 7. линейная модель множественной регрессии. классический метод наименьших квадратов для модели множественной регрессии. множественное линейное уравнение регрессии
Лекция № 7. линейная модель множественной регрессии. классический метод наименьших квадратов для модели множественной регрессии. множественное линейное уравнение регрессии
Уравнение множественной линейной регрессии в матричном виде:
Y = X в + є,
где Y
— вектор значений зависимой переменной размерности n X 1;
x1k
1
X = і ~~ ~"'"| — вектор значений независимой переменной размерности \%k / n х (k + 1). Первый столбец является единичным, так как в уравнении регрессии параметр в0 умножается на 1.
в =
— вектор неизвестных параметров модели множественной регрессии размерности (к + 1) х 1;
є =
— вектор случайных ошибок уравнения регрессии размерности n х 1.
наблюдений и ковариация случайных ошибок любых двух разных наблюдений равна нулю, можно записать с помощью ковариационной матрицы случайных ошибок нормальной линейной модели множественной регрессии:
2 =
є
0
G2
(G2 0
00
0 ї
0
=G2
'1
0
00
0 ї
0 1
= G 2In,
где G2 — дисперсия случайной ошибки уравнения регрессии є;
In — единичная матрица размерности n х n; 4) є — независимая и не зависящая от X случайная величина, подчиняющаяся многомерному нормальному закону распределения с нулевым математическим ожиданием и дисперсией G2: єн»N(0; G2In).
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы