██[電気：131ふにふに0.6667 0.1418] [ビルマギャラクシー国際電話の問い合わせ魏Q :. 9788フー0.9181]██
回帰分析の概要
1.変数の関係
決定論的現象（機能）、例えば、長方形の境界
非決定論的現象（統計的相関）、例えば、身長および体重
2.相関や回帰分析
相関：相関及び2つ（またはそれ以上）の変数の関連性（相関係数を用いて表されます）
回帰分析：すでに運動の法則を予測できる独立変数の変化に応じて、因果関係、不平等な状態変数（状態の結果）を解く、と関係を持っています。
栗の場合：
（1）再生中のバスケットボール背が高いです。
不对，现实是个子更高的人选择了打篮球，属于因果倒置。長く住んでいる人々の（2）高い社会的地位。
不对，社会地位高受到的医疗较好，医疗较好导致寿命长一些。
Tips:因果关系的前提：时间先后。3、線形または非線形の相関分析（注：相関形成相関が0になる場合）
線形相関：
二つの変数：共分散、相関係数
複数の変数：部分的な相関係数を計算し、複数の相関係数
第二に、人口回帰関数（PRF）
説明変数X与えられた条件の下で、Yは、一般回帰曲線、対応する関数と呼ばれる従属変数の所望の軌道であります
E(Y|X)=f(X)
F最简形式为线性函数。其截距、斜率为线性回归系数，表达式如下所示，其中β0代表自发消费，β1代表边际消费趋向。
E(Y|X)=β0+β1X
识别：因变量Y为被解释变量、被预测变量、回归子、响应变量，自变量X为解释变量、预测变量、回归元、控制变量。第三に、ランダム誤差項
将一个真实Y减去它的均值，则为离差：
μ=Y-E(Y|X)それから
Y=E(Y|X)+μ解釈変数に関与するランダム要素の別の部分、及び変動反応自体ので、与えられたXの部分を決定した後、二つの部分から構成されています。
ランダム誤差項の意味：
1、未知的影响因素
2、残缺数据
3、众多细小因素
4、数据观测误差
5、模型设定误差
6、内在随机性第四に、サンプル回帰関数
私たちは、最初に基本的な事実を理解する必要があります。一般的には、常に不明です。人口のパラメータ値、分散などが計測の目的を知らされていないです。全体的なサンプルから推測します。
サンプル点からの散乱は、直線、全体的な置き換えを近似するために使用回帰直線をフィット。
例えば、線形回帰：
注シンボル推定値（帽子を着用することを忘れないでください）
主な違い：
**全体の回帰関数PRF：
E(Y)=β0+β1Xi (i=1,2,,,,n)PRFランダム形式：
E(Y)=β0+β1Xi +μi**回帰関数SRF：
SRFランダム形式：
一个是根据总体数据进行回归，一个根据样本数据进行后归，回归结果加上各自的随机误差后，都可以得到真实值。第五に、モデルが想定しています
ない（正しい変数、正しい関数形式）の設定モデルの誤差：仮定する。
仮説2：Xは、変数決定論的（非確率変数）です。
3つ仮定：Xは、サンプルサイズが大きくなるにつれて（（Xが一定の値である場合は、問題の重要性が変化する）を回避するために、時系列である分散の収束を、少なくとも二つ以上の異なる値をとるサンプル分散と収束スプリアス回帰問題）
仮説4：誤差項「分散と共分散がゼロとゼロ平均。」（同一の母分散、各点の変形の同じ程度の保証）（全体的に、我々は全体的な平均誤差が0である期待）（二つの異なるサンプル点のため、共分散はゼロであり、相関係数は0、送信されます可能に関連する2つのサンプルポイント情報）
五の仮定：ランダム誤差項関連する説明変数ではない（正面から導入することができます）
六を想定します。正規分布のランダム誤差項（平均0、分散σ2）（オプションではなく、この仮定、それはまだ自動的に、次に設定されています）
第六に、パラメータ推定
推定パラメーター1.通常の最小二乗法（OLS）（一般的に使用されます）
原理：总体误差达到最小 → 最小二乘思想，即残差平方和最小，将这个问题变成最优化问。結果
若しくは
分類：推定：確率変数の機能
估计值：具体数值2.最尤（ML）（ML不適切OLSを用いて）
尤度：確率または可能性を意味します
原理：（あなたがサンプルのセットを観察するとき、それはあなたの目の前に現れることを決定の背後にあるメカニズムである必要があります）合理的があります。----最尤法の最大確率、総最小二乗法は、誤差の最も小さいです。
前記パラメータ推定モーメント法（MM）
此方法使用较少，暂不讲解。