·序列不相关假设。The correlation between any two ui and ui is zero. Co(4,4X,X)=0,j=1,2,.,n,i≠j 是否满足需要检验
• 序列不相关假设。The correlation between any two μi and μj is zero. 是否满足需要检验。 ( , , ) 0, , 1,2, , , Cov X X i j n i j i j i j = =
4、随机项的正态性假设 。 在采用OLS进行参数估计时，不需要正态性假 设。在利用参数估计量进行统计推断时，需要 假设随机项的概率分布。 一般假设随机项服从正态分布。可以利用中心 极限定理(central limit theorem,CLT)进行 证明。 正态性假设。Theu's follow the normal distribution. 4,~N(0,σ2)→4，~NID(0,o2)
4、随机项的正态性假设 • 在采用OLS进行参数估计时，不需要正态性假 设。在利用参数估计量进行统计推断时，需要 假设随机项的概率分布。 • 一般假设随机项服从正态分布。可以利用中心 极限定理（central limit theorem, CLT）进行 证明。 • 正态性假设。The μ’s follow the normal distribution. 2 2 ~ (0, ) ~ (0, ) i i N → NID
5、CLRM和CNLRM ·以上假设（正态性假设除外）也称为线性回归 模型的经典假设或高斯(Gauss)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)。 ·同时满足正态性假设的线性回归模型，称为经 典正态线性回归模型(Classical Normal Linear Regression Model,CNLRM)
5、CLRM 和 CNLRM • 以上假设（正态性假设除外）也称为线性回归 模型的经典假设或高斯（Gauss）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）。 • 同时满足正态性假设的线性回归模型，称为经 典正态线性回归模型（Classical Normal Linear Regression Model, CNLRM）
§3.2多元线性回归模型的估计 一、普通最小二乘估计 二、最大或然估计 三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例
§3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、最大或然估计 三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例
说明 估计目标：结构参数，及随机误差项的方差62 估计方法： -3大类方法：OLS、ML或者MM -在经典模型中多应用OLS -在非经典模型中多应用ML或者MM
说 明 估计方法： – 3大类方法：OLS、ML或者MM – 在经典模型中多应用OLS – 在非经典模型中多应用ML或者MM