目录:
定义-普通最小二乘回归（OLSR）是什么意思？
普通最小二乘回归（OLSR）是一种广义的线性建模技术。 它用于估计线性回归模型中涉及的所有未知参数，其目标是最小化观察变量和解释变量之差的平方和。
普通最小二乘回归也称为普通最小二乘或最小平方误差回归。
Techopedia解释了普通最小二乘回归（OLSR）
它由卡尔·弗里德里希·高斯（Carl Friedrich Gauss）于1795年发明，被认为是已知的最早的一般预测方法之一。 OLSR描述了因变量（旨在说明或预测的目标变量）与其一个或多个自变量（解释变量）之间的关系。 OLSR应用可以在心理学，社会科学，医学，经济学和金融等众多领域中找到。
可能发生两种关系：线性和曲线。 线性关系是通过点的中心趋势绘制的直线。 而曲线关系是一条曲线。 所述变量之间的关联通过使用散点图来描绘。 该关系可以是正的或负的，并且结果变化的强度也不同。
从根本上讲，OLSR甚至可以由非数学家轻松理解，并且其解决方案也可以轻松解释。 它之所以受到关注，是因为它具有最新的线性代数计算机内置算法。 因此，它可以快速应用于具有数百个自变量的问题，从而有效地将结果传递给成千上万个数据点。
OLSR通常用于计量经济学，因为在高斯-马尔可夫假设的前提下，它提供了最佳的线性无偏估计量（BLUE）。 计量经济学是经济学的一个分支，其中统计方法应用于经济数据。 它旨在通过剖析现有的大量数据来提取简单的关系。 该统计算法还用于机器学习和预测分析中，以基于动态变化的变量动态预测结果。
