星星_品职助教 · 2020年01月01日
同学你好,
这里你提到的“二乘法”指的是“最小二乘法”,也就是OLS(ordinary least squared)的方法。做线性回归的目的是要找到一条可以的最好拟合各个散点的直线。OLS方法的核心是找到这样一条最贴近各个散点的直线,这条直线(线性方程)上的每个点和真实散点之间距离的“平方和”是最小的。所以是一个“least”(最小)的“squared”(二乘)。由于这种方法是用的最普遍的,就是“ordinary”。
但如果用OLS估计线性回归方程,就需要满足一系列的前提假设。这就是一元和多元回归中的前提假设的考点。如果前提假设被违背了,例如出现了异方差/序列相关/多重共线性等现象,那么通过OLS估计出来的系数b0,b1就会不准确(这个就是你之前问到过的prediction uncertainty中的系数估计不准确的问题)。这个时候就需要对模型进行修正。例如不用OLS估计了,改用GLS(广义二乘法)估计等等。
加油,新年快乐~
我叫仙人涨 · 2020年01月01日
新年快乐! 星星老师! 非常感谢新年还帮我解答,而且解答得非常详细,让我豁然开朗! 么么哒😘! 祝你2020年万事如意!心想事成! 还有个小问题,所以我们整章学的都是OLS么?