15.17 REGRESSION

REGRESSION 过程通过最小二乘估计将线性模型拟合到数据上。该过程适用于满足线性回归典型假设的数据：

• 数据集包含因变量的 n 个观测，即 Y_1,…,Y_n ，以及一个或多个解释变量的 n 个观测。设 X{11}, X_{12}_ , …, X{1n}_ 表示第一个解释变量的 n 个观测；X{21}_ ,…,X{2n}_ 表示第二个解释变量的 n 个观测；X{k1}_ ,…,X{kn}_ 表示第 k 个解释变量的 n 个观测。
• 因变量 Y 与解释变量之间具有如下关系：Y_i = b_0 + b_1 X{1i} + ... + b_k X_{ki} + Z_i_ ，其中 b_0, b_1, …, b_k 是未知系数，Z_1,…,Z_n 是独立的、服从正态分布且均值为零、具有共同方差的噪声项。噪声（或称误差）项是未被观测到的。这种关系称为线性模型。

REGRESSION 过程估计系数 b_0,…,b_k 并生成与线性模型推断相关的输出。

• 语法		语法定义。
• 示例		使用 REGRESSION 过程。