回帰直線の式
\( \huge \hat{y} = \hat{\alpha} + \hat{\beta}_{xi} \)
この時、\( \alpha \)を切片(定数項)、 \( \beta \)を傾きという。
\( \alpha \) と \( \beta \)をどうやって推定していくかというときに、残差\(e\)が重要になる
yの値と、推定された \( \hat{y} \)の値を差し引いたものが残差となる。
残差\( e_{i} \) の重要性
残差\( e\)の平方和を \( \alpha \) \( \beta \)に使う
残差平方和 \( S(\hat{\alpha}, \hat{\beta}) \)
\( \huge S(\hat{\alpha}, \hat{\beta}) \\ \huge = \sum_{i=1}^n e_{i}^2 \\ \huge = \sum_{i=1}^n(y_{i} – \hat{y}_{i})^2 \)
回帰係数 \( \hat{\beta} \)
\( \huge \hat{\beta} = \frac {S_{xy}}{S_{xx}} = r_{xy} \frac{S_{y}}{S_{x}} \)
定数項 \( \hat{\alpha} \)
\( \huge \hat{\alpha} = \bar{y} – \hat{\beta}_\bar{x} \)
回帰直線のポイント
回帰直線はxとyの重心を通る
重心とは \( \huge (\bar{x}, \bar{y}) \)のこと
コメントを残す