第二章22一元线性回归分析.ppt | 您所在的位置:网站首页 › OLS估计法名词解释 › 第二章22一元线性回归分析.ppt |
第二章22一元线性回归分析.ppt
下载文档
文档格式: ppt
文档大小: 900.51K
文档页数: 26
§2.2 一元线性回归分析 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计(OLS) 三、最小二乘估计量的性质 四、参数估计量的抽样分布及随机项方差的估计 1 Notes 单方程计量经济学模型分为两大类:线性模型和非线性模型 线性模型中,变量之间的关系呈线性关系 非线性模型中,变量之间的关系呈非线性关系 一元线性回归模型:只有一个解释变量 i=1 Y为被解释变量,X为解释变量,0与1为待估参数, u为随机项。 2 回归分析的主要目的是要通过样本回归函数(模型)SRF尽可能准确地估计总体回归函数(模型)PRF。 估计方法有多种,其中最广泛使用的是普通最小二乘法(ordinary least squares, OLS)。 为保证参数估计量具有良好的性质,通常对模型提出若干基本假设。 实际这些假设与所采用的估计方法紧密相关。 3 一线性回归模型的基本假设 A1:随机误差项ui服从正态分布 ui~N(µ, i2 ) i=1,2, …,n A2:随机误差项ui具有零均值 E(ui)=0 i=1,2, …,n A3:随机误差项ui具有同方差 Var (ui)=u2 i=1,2, …,n 4 A4:随机误差项ui非自相关假设 Cov(ui, uj)=0 i≠j i,j= 1,2, …,n A5:随机误差项ui与解释变量X之间不相关 Cov(Xi, ui)=0 i=1,2, …,n A6:解释变量X之间不相关 5 通常情况下,假设x是非随机变量。 如果x是非随机变量,则假设5自动满足; Notes: 以上假设也称为线性回归模型的经典假设,满足该假设的线性回归模型,也称为经典线性回归模型(Classical Linear Regression Model, CLRM)。 6 二、回归参数的普通最小二乘估计(OLS) 普通最小二乘法(OLS):选择参数使全部观测值的残差平方和(RSS)最小。 Q: Why not sum of residuals? 7 方程组(*)称为正规方程组(normal equations)。 8 上述参数估计量可以写成: 称为OLS估计量的离差形式(deviation form)。
本文档共26页,可免费阅读15页,剩余11页请下载后阅读。继续阅读 下载文档 关键词: 线性![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() 1、本文档共:26页,可阅读全部内容。 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。 3、本文档由内容提供方上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重标题与内容不符之情形,可联系本站下载客服投诉处理。 文档被侵权? 请点击这里,立即处理![]() |
CopyRight 2018-2019 实验室设备网 版权所有 |