【AA】回归学习总结

topic1.变量间的关系有哪些？

变量间的关系大体上有两类：

①函数关系：y = f(x);

②非确定性关系：y = ax1 + bx2 + t （t为随机扰动项）.

topic2.回归与相关有何区别？

1.回归中，y依赖于x；相关分析中，y与x的地位一样。

2.回归中，y是随机变量，x是确定性变量；相关分析中，y与x都是随机变量。

3.用途不一样，回归不仅可以探索变量之间的关系，还可以用来做控制和预测；相关分析用来研究变量间的线性相关程度。

topic3.回归分析研究的基本内容和脉络是怎样的？

topic4.回归模型中随机误差项主要包括哪些因素的影响？

1.由于人们认识的局限或时间、费用、数据质量等制约未引入回归模型但又对回归被解释变量y有影响的元素；

2.样本数据的采集过程中变量观测值的观测误差的影响；

3.理论模型设定误差的影响；

4.其他随机元素的影响。

topic5.古典线性回归模型有哪些基本假设？

来自：这里。

topic6.回归模型建模的过程是怎样的？

topic7.极大似然原理的基本思想是什么样的？

极大似然原理的直观想法是：一个随机试验如有若干个可能的结果A，B，C，…。若在一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大。

topic8.最小二乘估计有哪些性质？

1.估计量是随机变量yi的的线性函数；

2.估计量是无偏估计；

3.估计量的方差

在高斯-马尔卡夫条件下，估计量是最佳线性无偏估计。

topic9.t检验的原假设是什么？构造的t统计量是什么？拒绝域是什么？

t检验的原假设：回归系数为0，即x的变化对y没有影响。

t统计量：

拒绝域：

topic10.如何理解P值？

•P值即显著性概率值（Significence Probability Value）；

•是当原假设为真时得到比目前的样本更极端的样本的概率，所谓极端就是与原假设相背离；

•它是用此样本拒绝原假设所犯弃真错误的 真实概率，被称为观察到的(或实测的)显著性水平；

topic11.F检验的原假设是什么？F检验的统计量是什么？

F检验的原假设：回归方程不显著。

topic12.相关系数显著性检验的统计量是什么？

相关系数显著性检验的统计量：

topic13.变量之间的相关程度如何划分？

两变量间相关程度的强弱分为以下几个等级：