在回归模型中,最小二乘法是以什么原则对回归模型中的参数进行估计的方法

在回归模型中,最小二乘法是以什么原则对回归模型中的参数进行估计的方法

有两种方法： 1.根据上表的t-Statistic，可以发现，所有变量系数的t检验值都小于t0.025（8）=2.306，均未通过5%显著性水平下的t检验，没有一个解释变量对被解释变量的影响是显著的。。。 2.通过后面Prob. 给出的值可以看出，所有变量系数估计的P值都远远大于显著性水平α=0.05，说明哪个变量都不显著。。。。

一元线性回归模型中参数估计的方法有最小二乘法、最小一乘法、全最小一乘法等多种。 最小二乘法是最常用的的方法。如果只是比对多种回归模型哪个好，那就选曲线估计，可同时选中线性，二次方等11个模型，拟合度看r2就行，哪个大哪个好。结果中有散点图也可以很直观看出哪种变化模型符合的。 不过一般做回归，首先要考虑的是线性回归，用途最广。 还有用的比较多的是非线性，这个要知道方程的。 至于多项loistic和probit，说实在的我也不太清楚，书上学的没着重讲，案例分析也不常见。 这些模型都比较专业的，适用某些特定领域，选择的话有文献参照就直接借鉴好了。