R 求解函数使用两个矩阵来推导系数估计值的方式是什么?
函数解似乎需要两个矩阵来推导估计值。有人能详细解释一下它对这两个矩阵做了什么吗?为什么需要c(rep(1,n)R 求解函数使用两个矩阵来推导系数估计值的方式是什么?,r,R,函数解似乎需要两个矩阵来推导估计值。有人能详细解释一下它对这两个矩阵做了什么吗?为什么需要c(rep(1,n) demo.datarep(1,n)正在为“intercept”创建一列你可能在其他回归中见过的术语。其余的都是关于最小二乘回归的线性代数解,你应该能够找到大量关于这方面的信息,例如,我强烈建议使用内部函数model.matrix来创建你的模型矩阵。X demo.data <-data.frame(y=c(1.55,0.42,1.29,0.73,0.76,-1.09,1.41,-0
demo.datarep(1,n)
正在为“intercept”创建一列你可能在其他回归中见过的术语。其余的都是关于最小二乘回归的线性代数解,你应该能够找到大量关于这方面的信息,例如,我强烈建议使用内部函数model.matrix
来创建你的模型矩阵。X
demo.data <-data.frame(y=c(1.55,0.42,1.29,0.73,0.76,-1.09,1.41,-0.32),x1=c(1.13,-0.73,0.12,0.52,-0.54,-1.15,0.20,-1.09),x2=c(1,0,1,1,0,1,0,1))
demo.data
Y <- matrix(demo.data$y)
Y
n <- nrow(demo.data)
n
X <- matrix(c(rep(1,n),demo.data$x1,demo.data$x2),nrow=n,ncol=3)
X
BETA.HAT <- solve(t(X)%*%X)%*%t(X)%*%Y
BETA.HAT