一般說來，我們所遇到的線性模式都是
Y＝Xβ＋ι
Y 是一N ×１的向量，其元素為應變數的觀測值
X 是一N ×P 的矩陣，其中的元素為已知數
β是一P ×１的向量，其中的元素為母體的參數（parameters）
ι是一N ×１的向量，其中的元素為隨機誤差（random errors）
我們可以用幾何求得參數的估計式
β＝（X′X）－X′Y
同理，我們可求得有關β的標準差，建立βi ′s 的信賴區間，及作各種有關的假設
檢定。一旦我們將模式改成
Ｙ＝Ｘα＋ＺU （ii）
Y 是一N ×１的向量，其元素為應變數的觀測值
X 是一N ×P 的已知常數矩陣
Z 是N × 的已知常數矩陣
α是P ×１未知的參數向量（固定效應）
Ｕ是γ×１的向量，其中包括隨機效應和隨機誤差兩項
因為（ii）式中的隨機向量Ｕ包括隨機效應和隨機誤差兩項，倘若我們把（ii）式中
兩部分予以分解，則（ii）式可以改寫如下：
（圖表省略）
本文所討論的是運用已知的原理去估計β和Ｕ，其中將討論如何運用極限的原理去估
計β和Ｕ的向量
| Identifer | oai:union.ndltd.org:CHENGCHI/B2002006239 |
| Creators | 于國欽, YU, GUO-GIN |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | Unknown |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0027 seconds