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
• 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
、线性回归模型的基本假设--90105 假设1.解释变量ⅹ是确定性变量,不是随机变 量 假设2.随机误差项μ具有零均值、同方差和无自 相关: E()=0 i=1,2,,n var()=2i=1,2,…,n COV(μ)011=1,2,…,n
一、线性回归模型的基本假设---P99-100-105 假设1. 解释变量X是确定性变量，不是随机变 量； 假设2. 随机误差项具有零均值、同方差和无自 相关： E(i )=0 i=1,2, …,n Var (i )=2 i=1,2, …,n Cov(i, j )=0 i≠j i,j= 1,2, …,n
异方差 Bo+Br Bo+Br
异方差X Y 0 + 1X X Y 0 + 1X
序列自相关 Bo+Bx Bo+Br 负相关 正相关
序列自相关 X X Y 0 + 1 X Y 0 + 1 X 负相关 正相关
假设3.随机误差项μ与解释变量Ⅹ之间不 相关: CoVⅩ1,)=0i=1,2,…n 假设4.μ服从零均值、同方差、零协方 差的正态分布 uN(0,.2)
假设3. 随机误差项与解释变量X之间不 相关： Cov(Xi , i )=0 i=1,2, …,n 假设4. 服从零均值、同方差、零协方 差的正态分布 i~N(0, 2 ) i=1,2, …,n