最小二乘估计对样本数据有要求吗?

发布网友 发布时间：2022-05-01 14:52

我来回答

共2个回答

热心网友 时间：2023-10-20 04:54

有！最小二乘法，实验中为了得到经验公式而发明的方法，使用它必须考虑样本数据是否具有线性性质。一般地，用最小二乘法，将数据拟合成直线前，要先计算线性相关系数R。当|R|靠近1时，说明数据有较高的线性性质；|R|靠近0时，则没有。在实践中，一般当|R|在90%以上就可以进行直线拟合。假设数据具有指数函数的形式，我们单纯的使用最小二乘法将会得到不准确的回归关系方程——这不符合我们的目的。因此，最小二乘法对数据是有要求的。

注释：rxy=R

热心网友 时间：2023-10-20 04:54

最小二乘的思想就是要使得观测点和估计点的距离的平方和达到最小，“二乘”指的是用平方来度量观测点与估计点的远近，在古汉语中“平方”称为“二乘”，“最小”指的是参数的估计值要保证各个观测点与估计点的距离的平方和达到最小，从思想的角度看，我认为最小二乘法估计对样本数据没有要求，但也许在实际的应用中，考虑到估计的精确性或者可靠性，应该有些需要注意的地方。

热心网友 时间：2023-10-20 04:54

有！最小二乘法，实验中为了得到经验公式而发明的方法，使用它必须考虑样本数据是否具有线性性质。一般地，用最小二乘法，将数据拟合成直线前，要先计算线性相关系数R。当|R|靠近1时，说明数据有较高的线性性质；|R|靠近0时，则没有。在实践中，一般当|R|在90%以上就可以进行直线拟合。假设数据具有指数函数的形式，我们单纯的使用最小二乘法将会得到不准确的回归关系方程——这不符合我们的目的。因此，最小二乘法对数据是有要求的。

注释：rxy=R

热心网友 时间：2023-10-20 04:54

最小二乘的思想就是要使得观测点和估计点的距离的平方和达到最小，“二乘”指的是用平方来度量观测点与估计点的远近，在古汉语中“平方”称为“二乘”，“最小”指的是参数的估计值要保证各个观测点与估计点的距离的平方和达到最小，从思想的角度看，我认为最小二乘法估计对样本数据没有要求，但也许在实际的应用中，考虑到估计的精确性或者可靠性，应该有些需要注意的地方。

热心网友 时间：2023-10-20 04:54

有！最小二乘法，实验中为了得到经验公式而发明的方法，使用它必须考虑样本数据是否具有线性性质。一般地，用最小二乘法，将数据拟合成直线前，要先计算线性相关系数R。当|R|靠近1时，说明数据有较高的线性性质；|R|靠近0时，则没有。在实践中，一般当|R|在90%以上就可以进行直线拟合。假设数据具有指数函数的形式，我们单纯的使用最小二乘法将会得到不准确的回归关系方程——这不符合我们的目的。因此，最小二乘法对数据是有要求的。

注释：rxy=R

热心网友 时间：2023-10-20 04:54

最小二乘的思想就是要使得观测点和估计点的距离的平方和达到最小，“二乘”指的是用平方来度量观测点与估计点的远近，在古汉语中“平方”称为“二乘”，“最小”指的是参数的估计值要保证各个观测点与估计点的距离的平方和达到最小，从思想的角度看，我认为最小二乘法估计对样本数据没有要求，但也许在实际的应用中，考虑到估计的精确性或者可靠性，应该有些需要注意的地方。

热心网友 时间：2023-10-20 04:54

有！最小二乘法，实验中为了得到经验公式而发明的方法，使用它必须考虑样本数据是否具有线性性质。一般地，用最小二乘法，将数据拟合成直线前，要先计算线性相关系数R。当|R|靠近1时，说明数据有较高的线性性质；|R|靠近0时，则没有。在实践中，一般当|R|在90%以上就可以进行直线拟合。假设数据具有指数函数的形式，我们单纯的使用最小二乘法将会得到不准确的回归关系方程——这不符合我们的目的。因此，最小二乘法对数据是有要求的。

注释：rxy=R

热心网友 时间：2023-10-20 04:54

最小二乘的思想就是要使得观测点和估计点的距离的平方和达到最小，“二乘”指的是用平方来度量观测点与估计点的远近，在古汉语中“平方”称为“二乘”，“最小”指的是参数的估计值要保证各个观测点与估计点的距离的平方和达到最小，从思想的角度看，我认为最小二乘法估计对样本数据没有要求，但也许在实际的应用中，考虑到估计的精确性或者可靠性，应该有些需要注意的地方。