※ 引述《middleroad (勤学统计)》之铭言： : ※ 引述《liyu (哩育)》之铭言： : : 这边应该是 ^ : : yi = b0+ b1xi 样本回归线 : : ^ : : 而 ei = Yi -yi : : 所以最小平方法就是要让ei^2最小 也就是让Yi -yi最小 : : 好让估计值yi最接近Yi : : ei=0 代表估计值yi=真实质Yi，代表Yi=b0+b1xi 矛盾在哪= =? : Yi=β0+β1xi+εi : = b0+ b1xi+ ei : Yi：真实值 , β0+β1xi：理论值 , εi：真实值与理论值之间的差距，即误差 : b0+ b1xi：估计值 , ei：真实值与估计值之间的差距，及残差 : 而回归的目标是找出母体回归线，即Y=β0+β1x，但因为β0、β1未知，所以要用 : b0、b1去估计，所以最小平方法的目的变成了用b0、b1去估计β0、β1 : 但是如果照你说的话 ei=0 代表估计值yi=真实质Yi，代表Yi=b0+b1xi : 这样一来β0+β1xi-b0+ b1xi=εi : 代表当残差最小时(ei=0)，母体回归线与样本回归线的差距会达到最大(即εi) 母体回归线与样本回归线的差距是εi，就是我们要的阿 εi~N(0，a^2) 不然ei=1 2 或100 200 这样差距有比较小吗= =? 去match母体回归线的最终目的就是要得知真实值Yi阿! 好让我们得到样本资料xi就能预测Yi 这就是回归模型的目的阿 : 这样的话就跟一开始最小平方法的目的被道而驰了不是吗？我是要用样本回归线去match : 母体回归线而不是真实值Yi吧？ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 123.193.74.230