如何從R中的線性模型生成觀測值

Question

我一直在嘗試驗證在通常的假設下OLS估計量是否一致。

您能否告訴我如何從線性模型中生成一些觀測值，以便以后可以對該數據進行回歸分析並希望驗證OLS的理想特性？

先感謝您，

Answer 1

不清楚這是否是您想要的嗎？

# sample data: x1 and x2 uncorrelated
df <- data.frame(x1=sample(1:100,100),x2=sample(1:100,100))
# y = 1 +2.5*x1 - 3.2*x2 + N(0,5)
df$y <- with(df,1 + 2.5*x1 -3.2*x2 + rnorm(100,0,5))

fit  <- lm(y~x1+x2, data=df)
summary(fit)
#...
# Residuals:
#     Min      1Q  Median      3Q     Max 
# -9.8951 -2.6056 -0.4384  3.6082  9.5044 
# Coefficients:
#             Estimate Std. Error  t value Pr(>|t|)    
# (Intercept)    1.954      1.263    1.548    0.125    
# x1             2.516      0.016  157.257   <2e-16 ***
# x2            -3.237      0.016 -202.306   <2e-16 ***
# ---
# Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

# Residual standard error: 4.611 on 97 degrees of freedom
# Multiple R-squared:  0.9986,  Adjusted R-squared:  0.9986 
# F-statistic: 3.48e+04 on 2 and 97 DF,  p-value: < 2.2e-16

請注意，se〜4.6與“ true”的se = 5一致。還請注意，由於se（y | x）= 5，所以（Intercept）的估算很差。

par(mfrow=c(2,2))
plot(fit)

請注意，QQ圖確認正常。