Statistics 回归方程
我正在看博伦(1989)的《结构方程建模》一书的第2页。在书中,他认为在一个简单的回归中,y的方差可以表示为(b1^2*VAR[x])+VAR(扰动)。我不确定我是否理解这一点。我用10箱假X和Y试过了,但都没用。有人能解释一下吗?结构方程建模是一种对数据的协方差结构进行建模的技术,因此我们可以依赖协方差代数的一些规则。我不会在这里展示这些的证明/推导,但您可以在网上的其他地方轻松找到它们:Statistics 回归方程,statistics,regression,linear-regression,Statistics,Regression,Linear Regression,我正在看博伦(1989)的《结构方程建模》一书的第2页。在书中,他认为在一个简单的回归中,y的方差可以表示为(b1^2*VAR[x])+VAR(扰动)。我不确定我是否理解这一点。我用10箱假X和Y试过了,但都没用。有人能解释一下吗?结构方程建模是一种对数据的协方差结构进行建模的技术,因此我们可以依赖协方差代数的一些规则。我不会在这里展示这些的证明/推导,但您可以在网上的其他地方轻松找到它们: 1. var(y) = cov(y, y) 2. cov(x, a) = 0, where a i
1. var(y) = cov(y, y)
2. cov(x, a) = 0, where a is a constant
3. cov(x+w, y+z) = cov(x, y) + cov(x, z) + cov(w, y) + cov(w, z)
4. cov(ax, by) = ab*cov(x, y)
我们还知道回归方程的形式是:
y = bx + e
对于您的问题,您想用方差来表示var(y)
使用规则#1:
但我们也知道,y=bx+e
,因此:
var(y) = cov(bx + e, bx + e)
我们可以使用规则#3重写RHS:
使用规则1(最后一学期)和规则4(第一学期):
由于规则#2,其中e
是一个常数,中间项将退出。因为bb
只是b^2
:
var(y) = (b^2)*cov(x, x) + var(e)
最后,cov(x,x)
只是var(x)
因为规则#1,你得到了书中的内容:
var(y) = (b^2)*var(x) + var(e)
这太棒了。非常感谢。
var(y) = bb*cov(x, x) + cov(bx, e) + cov(bx, e) + var(e)
var(y) = (b^2)*cov(x, x) + var(e)
var(y) = (b^2)*var(x) + var(e)