题目
.用最小二乘法估计线性回归参数,其基本特点是使因变量的观测值与_的离差平方和达到A. 回归值B. 随机误差C. 残差D. 预测值
.用最小二乘法估计线性回归参数,其基本特点是使因变量的观测值与_的离差平方和达到
A. 回归值
B. 随机误差
C. 残差
D. 预测值
题目解答
答案
D. 预测值
解析
最小二乘法是线性回归模型中估计参数的核心方法,其核心思想是最小化因变量观测值与模型预测值之间的离差平方和。题目考查对这一方法本质的理解,需明确“离差”对应的对象是预测值而非其他概念。关键点在于区分“预测值”与“残差”“回归值”等易混淆概念。
最小二乘法通过构造目标函数,使得所有观测点的因变量值与回归模型预测值之间的垂直距离平方和最小。具体步骤如下:
- 建立线性回归模型:假设模型形式为 $y = \beta_0 + \beta_1 x + \epsilon$,其中 $\epsilon$ 为随机误差。
- 定义预测值:对每个观测点 $x_i$,模型预测值为 $\hat{y}_i = \beta_0 + \beta_1 x_i$。
- 构造目标函数:计算观测值 $y_i$ 与预测值 $\hat{y}_i$ 的离差平方和,即 $\sum_{i=1}^n (y_i - \hat{y}_i)^2$。
- 求解参数:通过求偏导并令其为零,得到 $\beta_0$ 和 $\beta_1$ 的最优解。
关键结论:最小二乘法直接优化的是观测值与预测值的离差平方和,而非残差(残差是误差的估计值,属于模型拟合后的结果)。