大家好！我统计学基础比较差，最近看书遇到如下问题：
y=beta0+beta1*x1+bete2*x2+...+betap*xp

令beta=(beta0, beta1, ..., betap)’，即转置

在Hastie et al. (2001) 统计学习基础一书中关于如何拟合参数beta有如下描述：
RSS(beta) = (y - X beta)' (y - X beta)

这是p+1个参数的二次函数。关于beta的微分，我们得到：
RSS对beta的一阶偏导= - 2 X' (y - x beta)
RSS对beta的二阶偏导= - 2 X' X

暂时假定X是满秩的，从而X' X是正定的。令第一个微分等于零：
X' (y - X beta) = 0

得到唯一解：
beta的估计值 = (X' X)^(-1) X' y

显然此处^(-1)表示(X' X)的逆。




我的问题是：（1）下述推导是否可行？
beta的估计值 = (X' X)^(-1) X' y = X^(-1) (X')^(-1) X' y
因为矩阵X'的逆与其自身X'相乘等于单位矩阵，即 ((X')^(-1)) X' = I，因此beta的估计值就等于X^(-1) y。我这样推导是否正确？

（2）为什么要求X' X是正定的？是否表示二阶导数为负数，函数有最小值？

（3）如何推导beta估计值的标准误差？Hastie等说：最小二乘方参数估计的方差-协方差矩阵容易由上述beta估计值的公式导出，并由下世给出：
Var(beta的估计值) = (X' X)^(-1) sigma^2
这一步是如何推导出来的。


非常感谢! 大家能回答几条就回到几条，错了也没有关系。