직교 회귀 분석에서는 표시된 점에서 선까지의 가중 직교 거리를 최소화하는 선이 최상의 적합선입니다. 오차 분산 비율이 1인 경우 가중 거리는 Euclid 거리입니다.
용어 | 설명 |
---|---|
Yt | 관측 반응값 |
β0 | 절편 |
β1 | 기울기 |
Xt | 관측된 예측 변수 |
xt | 예측 변수의 실제 및 미관측 값 |
et, ut | 측정 오류, et, ut가 독립적이고 평균은 0이고 오차 분산이 δe2 및 δu2입니다. |
용어 | 설명 |
---|---|
Zt | (Yt, Xt) |
![]() | ![]() |
n | 표본 크기 |
표본 공분산 행렬의 mXY 원소가 0이 아닌 경우 다음과 같습니다.
mxy = 0이고 myy < δm xx'안 경우,
용어 | 설명 |
---|---|
![]() | X에 대한 오차 분산 추정치 |
![]() | Y에 대한 오차 분산 추정치 |
δ | 오차 분산 비율 |
mXY | 표본 공분산 행렬의 원소 |
mYY | 표본 공분산 행렬의 원소 |
mXX | 표본 공분산 행렬의 원소 |
mxy = 0이고 myy < δm xx'안 경우,'
mxy = 0이고 myy > δmxx인 경우 나머지 모수 추정치는 정의되지 않습니다.
용어 | 설명 |
---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
mxy | 표본 공분산 행렬의 원소 |
myy | 표본 공분산 행렬의 원소 |
δ | 오차 분산 비율 |
![]() | 반응 값의 평균 |
![]() | 예측 변수 값의 평균 |
설명:
및
mXY가 0과 같지 않은 경우:
mXY가 0이고 mYY < δmXX인 경우:
용어 | 설명 |
---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
mXY | 표본 공분산 행렬의 원소 |
mYY | 표본 공분산 행렬의 원소 |
mXX | 표본 공분산 행렬의 원소 |
δ | 오차 분산 비율 |
![]() | 반응 값의 평균 |
![]() | 예측 변수 값의 평균 |
Z (1 - α / 2)는 표준 정규 분포의 100 * (1 - α / 2) 백분위수입니다.
그리고
용어 | 설명 |
---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
α | 유의 수준 |
설명:
Z(1 - α / 2)는 표준 정규 분포의 100 * (1 - α / 2) 백분위수입니다.
그리고
용어 | 설명 |
---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
α | 유의 수준 |
용어 | 설명 |
---|---|
δ | 오차 분산 비율 |
Yt | t번째 반응 값 |
![]() | 절편 추정치 |
![]() | 기울기 추정치 |
용어 | 설명 |
---|---|
![]() | 절편 추정치 |
![]() | 기울기 추정치 |
![]() | x에 대한 t번째 적합치 |
용어 | 설명 |
---|---|
Yt | t번째 반응 값 |
![]() | 절편 |
Xt | t번째 예측 변수 값 |
![]() | 기울기 |
설명
용어 | 설명 |
---|---|
![]() | 잔차 |
![]() | 잔차의 표준 편차 |
δ | 오차 분산 비율 |
![]() | 기울기 추정치 |
![]() | X에 대한 오차 분산 추정치 |
설명:
및
용어 | 설명 |
---|---|
Xt | t번째 예측 변수 값 |
![]() | 예측 변수 값의 평균 |
Yt | t번째 반응 값 |
![]() | 반응 값의 평균 |
설명:
용어 | 설명 |
---|---|
myy | Y의 표본 분산 |
mxy | X와 Y 랜덤 변수 간 표본 공분산 |