Resposta:
Si les hipòtesis de la marca Gauss tenen llavors OLS proporciona l’error estàndard més baix de qualsevol estimador lineal de manera que el millor estimador lineal no biaix
Explicació:
Tenint en compte aquests supòsits
-
Els coeficients dels paràmetres són lineals, això significa només això
# beta_0 i beta_1 # són lineals, però# x # la variable no ha de ser lineal, pot ser# x ^ 2 # -
Les dades s’han pres d’una mostra aleatòria
-
No hi ha una multi-colinealitat perfecta, de manera que dues variables no estan perfectament correlacionades.
-
#EU# /#x_j) = 0 # l’assumpció condicional mitjana és zero, el que significa que# x_j # Les variables no proporcionen informació sobre la mitjana de les variables no observades. -
Les variacions són iguals per a qualsevol nivell de
# x # és a dir.#var (u) = sigma ^ 2
A continuació, OLS és el millor estimador lineal de la població d’estimadors lineals o (Millor estimador lineal imparcial) BLAU.
Si teniu aquesta hipòtesi addicional:
- Les variacions normalment es distribueixen
A continuació, l’estimador OLS es converteix en el millor estimador, independentment de si és un estimador lineal o no lineal.
El que això significa essencialment és que si els supòsits 1-5 es mantenen, OLS proporciona l’error estàndard més baix de qualsevol estimador lineal i si 1-6 es manté, proporciona l’error estàndard més baix de qualsevol estimador.
Què vol dir el terme "mínims quadrats" en la regressió lineal?
Tot això significa el mínim entre la suma de la diferència entre el valor i el valor i predit. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 Només significa el mínim entre la suma de tots els resuidals min sum_ (i = 1) ^ nhatu_i ^ 2 tot això significa el mínim entre la suma de la diferència entre el valor i el valor i predit. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 D’aquesta manera, minimitzant l’error entre el predit i l’error, s’adapta millor a la línia de regressió.
Què és el format general per a l'equació d'una línia de regressió de mínims quadrats?
Equació per a la regressió lineal de mínims quadrats: y = mx + b on m = (suma (x_iy_i) - (suma x_i suma y_i) / n) / (suma x_i ^ 2 - ((suma x_i) ^ 2) / n) i b = (suma y_i - m suma x_i) / n per a una col·lecció de n parells (x_i, y_i) Això sembla horrible avaluar (i ho és, si ho feu a mà); però utilitzant un ordinador (amb, per exemple, un full de càlcul amb columnes: y, x, xy i x ^ 2), no és massa dolent.
Quan es substitueix un nom propi, el substitueix per un substantiu ordinari, aquest nom ordinari es converteix en un nom propi i requereix capitalització?
A la pràctica habitual, no capitalitzeu el substantiu comú. Tanmateix, si voleu aconseguir l’efecte específic de ressaltar el nom propi al qual us referiu, aprofiteu-ne. Crec que la pregunta és que si identifiquem un nom propi en una frase inicial i ens referim a aquest mateix nom, potser en una frase següent, utilitzant un substantiu comú, capitalitzem? Vegem: vivia al costat nord del pont Golden Gate. Cada dia, quan viatjava a la feina, un equip de pintura sempre estava treballant, protegint aquesta immensa estructura dels efectes del vent i de la sal. Aquella tripulació de pintura, per