logo

回帰係数の定義と推定量の公式導出 📂統計的分析

回帰係数の定義と推定量の公式導出

定義 1

$$ Y = \beta_{0} + \beta_{1} X_{1} + \cdots + \beta_{p} X_{p} + \varepsilon $$
多重回帰分析で与えられた $p$ 個の独立変数 $X_{1} , \cdots , X_{p}$ に対して、上記のような線形モデルlinear modelを立てるとき、$\beta_{0} , \beta_{1} , \cdots , \beta_{p}$ を 回帰係数regression Coefficientとする。$Y$ は従属変数、$\varepsilon$ はランダムに分布されたエラーを意味する。

公式

$$ \begin{bmatrix} y_{1} \\ y_{2} \\ \vdots \\ y_{n} \end{bmatrix} = \begin{bmatrix} 1 & x_{11} & \cdots & x_{p1} \\ 1 & x_{12} & \cdots & x_{p2} \\ \vdots & \vdots & \ddots & \vdots \\ 1 & x_{1n} & \cdots & x_{pn} \end{bmatrix} \begin{bmatrix} \beta_{0} \\ \beta_{1} \\ \vdots \\ \beta_{p} \end{bmatrix} + \begin{bmatrix} \varepsilon_{1} \\ \varepsilon_{2} \\ \vdots \\ \varepsilon_{n} \end{bmatrix} $$
$n$ 個のデータが与えられていて $p < n$ とすると、線形多重回帰モデル計画行列で表すと上記のようになり、簡単に$Y = X \beta + \varepsilon$ と表す。$\beta$ に対して最小二乗推定量ベクトル $\hat{\beta}$ は次のようになる。
$$ \hat{\beta} = \begin{bmatrix} \hat{\beta}_{0} \\ \hat{\beta}_{1} \\ \vdots \\ \hat{\beta}_{p} \end{bmatrix} = \left( X^{T} X \right)^{-1} X^{T} Y $$
それだけでなく、$\hat{\beta}$ は $\beta$ の最良不偏推定量であるため、最良線形不偏推定量Best Linear Unbiased Estimator, BLUEとも呼ばれる。

導出 2 3

我々の目標は
$$ \left\| \varepsilon \right\|_{2}^{2} = \sum_{k=0}^{n} \varepsilon_{k} = \begin{bmatrix} \varepsilon_{0} & \varepsilon_{1} & \cdots & \varepsilon_{n} \end{bmatrix} \begin{bmatrix} \varepsilon_{0} \\ \varepsilon_{1} \\ \vdots \\ \varepsilon_{n} \end{bmatrix} = \varepsilon^{T} \varepsilon $$
最小化することだ。$\varepsilon = Y - X \beta$ なので $\varepsilon^{T} \varepsilon = \left( Y - X \beta \right)^{T} \left( Y - X \beta \right)$ を最小化する $\beta$ を探せば良い。

残差平方和の勾配:
$$ f \left( \mathbf{s} \right) := \left( \mathbf{y} - X \mathbf{s} \right)^{T} R \left( \mathbf{y} - X \mathbf{s} \right) $$
としよう。$R$ が単位行列なら次を得る。
$$ {{ \partial f \left( \mathbf{s} \right) } \over { \partial \mathbf{s} }} = - 2 X^{T} \left( \mathbf{y} - X \mathbf{s} \right) $$

両辺を $\beta$ で偏微分した
$$ \begin{align*} {{ \partial } \over { \partial \beta }} \varepsilon^{T} \varepsilon =& - 2 X^{T} \left( Y - X \beta \right) \\ = & - 2 X^{T} \left( Y - X \beta \right) \\ = & - 2 X^{T} Y + 2 X^{T} X \beta \end{align*} $$
零ベクトル $\mathbf{0}$ になるような $\hat{\beta}$ は次の形をとる。
$$ \hat{\beta} = \argmin_{\beta} \varepsilon^{T} \varepsilon = \left( X^{T} X \right)^{-1} X^{T} Y $$
一方で $\hat{\beta}$ は $\beta$ に対する不偏推定量であることを簡単に示すことができ、最小二乗法を通して導出されたため、これより分散が小さい $\beta$ の不偏推定量は存在せず、最良不偏推定量である。


もし導出過程で $\beta$ に微分する部分があまり気に入らないなら、行列代数でアプローチする代案もある。行列代数での最小二乗法
$$ X^{\ast} Y = X^{\ast} X \hat{\beta} $$
を満たす $\hat{\beta}$ が最小二乗解となる点で、$X \in \mathbb{R}^{n \times p}$ なので $X^{\ast} = X^{T}$ であり、結論的に $\hat{\beta} = \left( X^{T} X \right)^{-1} X^{T} Y$ を得る。

帰結

$\hat{\beta}$ が最良線形不偏推定量なら、$y_{k}$ の和と適合値 $\hat{y}_{k=1} = \hat{\beta}_{0} + \sum_{j=1}^{p} \hat{\beta}_{j} x_{j}$ の和は等しい:
$$ \sum_{k=1}^{n} y_{k} = \sum_{k=1}^{n} \hat{y}_{k} $$

証明

本公式の証明で $\hat{\beta}$ が最良線形不偏推定量というのは、
$$ \begin{align*} & \mathbf{0} = - 2 X^{T} Y + 2 X^{T} X \hat{\beta} \\ \implies & \mathbf{0} = X^{T} \left( Y - X \hat{\beta} \right) \\ \implies & \mathbf{0} = X^{T} \begin{bmatrix} y_{1} - \hat{y}_{1} \\ \vdots \\ y_{n} - \hat{y}_{n} \end{bmatrix} \end{align*} $$
が成立することを意味する。$X$ が計画行列であるため、$X^{T}$ の最初の行はすべての成分が $1$ である1行列であると考えられる。$X^{T}$ の最初の行と $Y - X \hat{\beta}$ の積を見れば次のようになる。
$$ \begin{align*} & 0 = \begin{bmatrix} 1 & \cdots & 1 \end{bmatrix} \begin{bmatrix} y_{1} - \hat{y}_{1} \\ \vdots \\ y_{n} - \hat{y}_{n} \end{bmatrix} \\ \implies & 0 = \left( y_{1} - \hat{y}_{1} \right) + \cdots + \left( y_{n} - \hat{y}_{n} \right) \\ \implies & 0 = \sum_{k=1}^{n} y_{k} - \sum_{k=1}^{n} \hat{y}_{k} \end{align*} $$
結果的に、次を得る。
$$ \sum_{k=1}^{n} y_{k} = \sum_{k=1}^{n} \hat{y}_{k} $$

参照


  1. Hadi. (2006). Regression Analysis by Example(4th Edition): p53. ↩︎

  2. Hadi. (2006). Regression Analysis by Example(4th Edition): p82~84. ↩︎

  3. https://www.stat.purdue.edu/~boli/stat512/lectures/topic3.pdf ↩︎