三.回归模型的参数估计 回归模型中的参数估计,采用的是“最小二乘法”, 其原理如下: Y的各观察值y与回归值之差y-反映了y 与回归直线之间的偏离程度,从而全部观察值与回归值 的残差平方和 Q(,B)=∑(y-y)=∑(-B0-月x)2 反映了全部观察值与回归直线间总的偏离程度 显然,Q的值越小,就说明回归直线对所有样本数据的 拟和程度越好。所谓最小二乘法,就是要使 Q(B,B)为最小。 只要令2=0:2 dB =0,就可求出B,B 1717 ) ˆ , Q( ˆ 0 1 =  − 2 0 1 ) ( ˆ ) ˆ ˆ ( i i Q β , β y y β ˆ 1 。 i y ˆ 就可求出 , ˆ 0 0 ； β ˆ 0 =    Q 0 , ˆ 1 =    Q 三. 回归模型的参数估计 回归模型中的参数估计，采用的是“最小二乘法”， 其原理如下： Y 的各观察值 yi 与回归值 之差 i i y − y ˆ 反映了 yi 与回归直线之间的偏离程度，从而全部观察值与回归值 的残差平方和 2 0 1 ) ˆ ˆ ( i i =  y − β − β x 反映了全部观察值与回归直线间总的偏离程度。 显然，Q 的值越小，就说明回归直线对所有样本数据的 拟和程度越好。所谓最小二乘法，就是要使 为最小。 只要令