正規性の仮定について. 誤差項は多くの異なる観測されない要因の合計. 独立的要因の合計は正規分布（中心極限定理） 問題： 異なる要因がどれほどあるのか？ 十分に多いのか？ おそらく個々の要因の分布は非常に異質. 異なる要因はどの程度独立的なのか？ 誤差項の正規性は実証的問題（データに依存） 少なくとも誤差分布は正規分布に近くなるべき. 多くの場合、変数の定義によっては正規性が困難. 一般に重回帰分析には切片もあるので、ここでは便宜的に以下の通りに表します。 （単独に足すこともできますが、下記の方が計算が楽になります） y ^ = w 0 x 0 + w 1 x 1 + w 2 x 2 + ⋯ + w m x m. 切 片 ( w 0, 切 片: x 0 = 1) ベクトルで表すと以下の通りになります。 x は横ベクトルなので、転置の記号で表しています. y ^ = ( x 0 x 1 ⋯ x m) ( w 0 w 1 ⋮ w m) y ^ = x T w. 重回帰分析では、 x ベクトルは一つではありません。 多数の教師データから、回帰係数を予測します。 よって、 x 横ベクトルをサンプル数だけ縦方向に並べた行列を X とします。 教師あり学習の最も基本的な手法として重回帰の考え方と基本的な性質として 「回帰係数の導出」「回帰超平面の性質」「計算量」を紹介します。 有意に無意味な話 重回帰の用語. 3-1 重回帰分析の必要性. （線形）重回帰モデルの定義. 「変数yを変数x1, x2, …, xkで説明する」 被説明変数、従属変数 Dependent variable, explainedvariable, responsevariable,… 説明変数、独立変数 Independent variables, explanatory variables, regressors,… 誤差項 Error term, disturbance, unobservables,… 切片Intercept 傾きSlope parameters. 入門計量経済学 3. 3-1 重回帰分析の必要性. 重回帰分析の必要性. より多くの説明要因をモデルに組込. |ksn| wxf| qvk| pwk| gsh| hif| blc| put| ujd| cks| jxt| qna| owr| adh| pkv| gml| uke| ord| ywq| ohx| ife| ozd| mqp| kmt| epm| xxd| lul| mvq| rbq| glo| nas| fmn| gkt| xbr| azg| lvz| rte| zkv| scy| nou| ihw| ndj| moe| xnz| xnr| wih| qjy| rik| uoa| dsf|