線性回歸模型的基本概念與形式(ppt 113頁)

線性回歸模型的基本概念與形式目錄：
一、基本概念
二、二元線性回歸模型
三、多元線性回歸模型
四、回歸模型的函數形式
五、包含虛擬變量的回歸模型

線性回歸模型的基本概念與形式內容摘要：
回歸的涵義：
　　最初的涵義：“回歸”一詞最早由英國生理學家高爾頓（Galton,1886）提出，用以指兒女的身高有回複到人口總體平均身高的趨勢。
　　回歸分析研究因變量對一個或多個自變量的依賴關係，其用意在於通過後者的已知值，去估計或預測前者的總體均值（古紮拉蒂，1995）
總體回歸函數（population regression function,PRF）：
　　總體：北京師範大學全體教職工（3000人）
　　問題：北京師範大學教職工的工資W與受教育年限S的關係
樣本回歸函數（sample regression function,SRF）：
　　樣本：從上述總體中隨機抽取了100人
　　問題：根據樣本數據估計總體中工資W與受教育年限S的關係
經典正態線性回歸模型：
　　如果僅僅進行參數的點估計，不需要對誤差項的概率分布作出假設；但如果要進行區間估計和假設檢驗，就需要知道誤差項的概率分布。
　　如果經典線性回歸模型的誤差項服從正態分布，則稱該模型為經典正態線性回歸模型（classical normal linear regression model, CNLRM）
擬合優度檢驗；
　　為了衡量根據OLS估計得出的樣本回歸線對真實數據的擬合程度，引入擬合優度（goodness of fitness）的概念，並用判定係數（coefficient of determination）作為度量
　　總平方和（total sum of squares,TSS）
　　解釋平方和（explained sum of squares,ESS）
　　殘差平方和（residual sum of squares,RSS）

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