ŷ读作“Y估计”根据回归方程代入X得出的值。
若在一组具有相关关系的变量的数据(x与Y)间,通过散点图我们可观察出所有数据点都分布在一条直线附近,这样的直线可以画出许多条,而我们希望其中的一条最好地反映x与Y之间的关系,即我们要找出一条直线,使这条直线“最贴近”已知的数据点。
因为模型中有残差,并且残差无法消除,所以就不能用二点确定一条直线的方法来得到方程,要保证几乎所有的实测值聚集在一条回归直线上,就需要它们的纵向距离的平方和到那个最好的拟合直线距离最小。
这里在y的上方加记号“^”,是为了区分Y的实际值y,表示当x取值xi=1,2,……,6)时,Y相应的观察值为yi。
在WORD中输入方法如下:
第一步:以Word2010版本为例,如下图,打开文档后,点击页面上方的“插入”。
第二步:在插入菜单栏下,点击“符号”一项,在d出框里点击“其他符号”;
第三步:在d出的符号设置框里,字体选择“特殊文本”,子集选择“拉丁语扩充-A”,找到ŷ符号,点击,再点击下面的插入;
第四步:如下图,则可成功在word里打出了ŷ符号。
扩展资料
回归直线的求法
最小二乘法:
总离差不能用n个离差之和
来表示,通常是用离差的平方和,即作为总离差,并使之达到最小,这样回归直线就是所有直线中Q取最小值的那一条,这种使“离差平方和最小”的方法,叫做最小二乘法:
由于绝对值使得计算不变,在实际应用中人们更喜欢用:Q=(y1-bx1-a)²+(y2-bx2-a)²+······+(yn-bxn-a)²,这样,问题就归结于:当a,b取什么值时Q最小,即到点直线y=bx+a的“整体距离”最小。
参考资料:
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)