複製鏈接
請複製以下鏈接發送給好友

迴歸係數

鎖定
迴歸係數(regression coefficient)在迴歸方程中表示自變量x 對因變量y 影響大小的參數。迴歸係數越大表示x 對y 影響越大,正迴歸係數表示y 隨x 增大而增大,負迴歸係數表示y 隨x增大而減小。例如迴歸方程式Y=bX+a中,斜率b稱為迴歸係數,表示X每變動一單位,平均而言,Y將變動b單位。
中文名
迴歸係數
外文名
regression coefficient
定    義
表示迴歸方程x對y影響程度的參數
相    關
相關係數
一級學科
數學
二級學科
統計學

迴歸係數迴歸係數

對於迴歸係數的解釋,需要從線性迴歸模型當中來定義。
線性迴歸模型是一種特殊的線性模型。若變量y與變量
的關係表示為
,且
稱f(x)為y對x的迴歸,f(x)稱為迴歸函數。通常在正態分佈情形,若f(x)是x的線性函數
,此時稱為線性迴歸,
稱為迴歸常數,
稱為迴歸係數(regression coefficient)。取y為n個觀測,得觀測值向量
,表示為如下模型:
公式 公式
其中1是座標全為1的向量,
為n階單位陣,記
,且假定
這個矩陣的秩為p+1,而記
這裏β,σ2為未知參數,e(n×1)是隨機向量。 [1] 

迴歸係數最小二乘估計

迴歸係數的最小二乘估計(least square estimator of regression coefficient)簡稱LS估計。參數估計的一種方法。線性迴歸模型中,未知參數β的最小二乘估計為滿足
的β。可知β是方程
的解。此方程稱為正規方程。由於線性迴歸模型中,X矩陣列滿秩,故β可解除,記為
[1] 

迴歸係數顯著性檢驗

迴歸係數顯著性檢驗(significant test of regression coefficient)是檢驗某些迴歸係數是否為零的假設檢驗。考慮線性迴歸模型
公式 公式
不失一般性,可假定要檢驗後k個(1≤k≤p)迴歸係數是否為零,即
。一般用F統計量
去檢驗,這裏
是上述模型的殘差平方和
為假定後k個係數為零時(即少了k個自變量)的模型的殘差平方和。用F檢驗有許多優良性,在這方面,中國統計學家許寶騄早期做了許多工作,後來美籍羅馬尼亞數學家瓦爾德(Wald,A.)發展了他的工作。 [1] 

迴歸係數理解

1、相關係數與迴歸係數:
A 迴歸係數大於零則相關係數大於零
B 迴歸係數小於零則相關係數小於零
(它們的取值符號相同)
2、迴歸係數:由迴歸方程求導數得到,
所以,迴歸係數>0,迴歸方程曲線單調遞增;
迴歸係數<0,迴歸方程曲線單調遞減;
迴歸係數=0,迴歸方程求最值(最大值、最小值)。 [2] 
參考資料
  • 1.    《數學辭海(第四卷)》編輯委員會 .《數學辭海(第四卷)》 :山西教育出版社 ,1998 :405.
  • 2.    同濟大學數學系編著,概率論與數理統計 第2版,同濟大學出版社,2015.02,第183頁