这就要求: 设计一“方法”构造 SRF,以使SRF尽可注意:这里PRF可 能永远无法知道 能“接近”PRF,或 者说使(=01)尽可 能接近A(=0)。 4>U
注意:这里PRF可 能永远无法知道
§22一元线性回归模型的参数估计 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(0LS) 三、参数估计的最大或然法(ML 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 4>U
§2.2 一元线性回归模型的参数估计 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、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计
说明 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 元线性回归模型:只有一个解释变量 y=B0+B1X1+ Y为被解释变量,X为解释变量,B0与β为待估 参数,p为随机干扰项 4>U
说 明 • 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 Yi = 0 + 1 X i + i i=1,2,…,n Y为被解释变量,X为解释变量,0与1为待估 参数, 为随机干扰项
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。 4>U
• 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 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、同方差和不序 列相关性: E(H1)=0 Vr(u)=12i=12,…,n COV(μ)011=1,2,…n 4>U
一、线性回归模型的基本假设 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、同方差和不序 列相关性: 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