【笔记前言】
最近在进行计量经济学的课程学习,本文对部分回归方法进行了整理,恳请大家对其中出现的错误进行指正,不胜感激。
此外,由于种种原因,在均值回归时,我们将涉及到模型建立后的后续检验,而在其他回归中,将着重于突出其参数估计的基本思路与过程,以及其各自之间的对比。同时,本系列学习笔记将使用R软件进行实践操作。
从参数估计的角度,各种方法都是目标函数的最优化问题,只是因为具体情况不同,使得各自约束条件不同,因此估计得到的参数也不同。映射到几何意义上,大致是在OLS的原始曲面下寻找新的最优解(根据约束域)。
这个笔记断断续续经历了一天的时间...后面有点潦草。
一、均值回归——简单线性回归
(一)一元线性回归
以iris数据集作为实验数据
>data=iris[,1:4]
>r1=lm(Sepal.Length~Sepal.Width,data)
>summary(r1)
Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = data)
Residuals:
Min 1Q Median 3Q Max
-1.5561 -0.6333 -0.1120 0.5579 2.2226
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 6.5262 0.4789 13.63 <2e-16 ***
Sepal.Width -0.2234 0.1551 -1.44 0.152
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8251 on 148 degrees of freedom
Multiple R-squared: 0.01382, Adjusted R-squared: