一元线性回归模型参数估计材料.ppt

§2.2 一元线性回归模型及参数估计 Simple Linear Regression Model and Its Estimation 一、 “线性”回归模型的特征及含义 二、一元线性回归模型的基本假设 三、参数的普通最小二乘估计(OLS) 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 其他条件不变的概念(ceteris paribus) 包括经济学在内的许多社会科学中的假设都具有“其他条件不变”的特点：在研究两个变量之间关系时，所有其他相关因素都必须固定不变。 例如，经济学中在分析消费需求时，想知道之中商品价格的变化对其需求量的影响，而让所有其他因素——收入、其他商品的价格和个人偏好等——都保持不变。 计量经济分析中的其他条件不变意味着“其他(相关)因素保持不变，这一概念在因果分析中有重要作用。 二、线性回归模型的基本假设 技术路线： 由于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。即通过： 三、参数的普通最小二乘估计（OLS） 给定一组样本观测值（Xi, Yi）（i=1,2,…n）要求样本回归函数尽可能好地拟合这组值。 普通最小二乘法(Ordinary least squares, OLS)给出的判断标准是：二者之差的平方和最小。