Supuestos básicos de la regresión lineal

2. Para todos los valores observados de la variable explicativa, el término de error aleatorio tiene la misma varianza;

3. Los términos de error aleatorio no están relacionados entre sí;

4. Las variables explicativas son variables deterministas, no variables aleatorias, y no tienen nada que ver con los términos de error aleatorio;

5. No existe una relación exacta (completa) entre las variables explicativas), es decir, la matriz de observación de la muestra de la variable explicativa es una matriz de rango completo;

6. El término de error aleatorio obedece a la distribución normal.

Datos ampliados:

La ecuación de regresión lineal es uno de los métodos de análisis estadístico en estadística matemática que utiliza el análisis de regresión para determinar la relación cuantitativa interdependiente entre dos o más variables. La regresión lineal fue también el primer tipo de análisis de regresión que se estudió rigurosamente y se utilizó ampliamente en aplicaciones prácticas. Según el número de variables independientes, se puede dividir en una ecuación de análisis de regresión lineal única y una ecuación de análisis de regresión lineal múltiple.

La regresión lineal tiene muchos usos prácticos. Dividido en las dos categorías siguientes:

1 Si el objetivo es la predicción o el mapeo, se puede utilizar la regresión lineal para ajustar el modelo de predicción al valor de la suma x del conjunto de datos observados. Cuando se completa este modelo, para los valores X recién agregados, este modelo ajustado se puede usar para predecir los valores Y sin dar valores Y coincidentes.

2 Dada una variable Y y algunas variables X1,.. .,Xp, estas variables pueden estar relacionadas con Y. El análisis de regresión lineal se puede utilizar para cuantificar la fuerza de la correlación entre Y y la información.

Materiales de referencia:

Enciclopedia Baidu: ecuación de regresión lineal