Essie2022-07-20 00:08:44

你好，1.SEE是残差的标准差，残差的标准差越大，说明回归方程拟合的较差，从而回归方程的参数质量越差，因此参数的标准误越大。
2.OLS的核心思想是通过对残差平方和的最小化来进行估计。如果已知一组数据P/E ratio(X)和股价(Y)，要求出它们之间的一个线性回归方程，那就是个最简单的一元回归Y=b0+b1X。我们所希望得到的线性回归方程，肯定是对于因变量Y的预测值越准确越好。换言之，残差之和最小。比如说我这里有100组数据，根据回归方程的预测，第一个真实值Y1-第一个Y的预测值，得到e1，因为这里有100个数据，所以对应有100个残差。残差就解释了所有的自变量无法解释因变量的这部分变化。最小化残差之和min(e1^2+e2^2+...+en^2)，对这个式子求极值就能得到b1和b0的计算式，从而可以得到回归参数。