计量经济学课件——2.5-6 一元线性回归的预测及实例.pptVIP

* 总体回归函数 是什么？ 线性模型的形式（确定、随机） 样本回归函数 是什么？ 在解释变量的给定值下，被解释变量总体均值（期望值）的轨迹 在解释变量的给定值下，被解释变量样本均值的轨迹。是对总体回归函数的估计。 线性模型的离差和非离差形式（确定、随机） * 线性模型参数的最小二乘估计 原理 正规方程 参数估计值 OLS估计量的性质（5个） 取值最小 一元线性模型的估计 * 基本假定 零均值、同方差、序列不相关 确定的 X方差为正数： 对解释变量X的假定（2） 对随机干扰项?的假定（3） 与解释变量不相关： 服从正态分布： 对模型的假定（1） 模型正确 * 最小二乘估计量?i是BLUE（高斯-马尔可夫定理） ^ 掌握线性性和无偏性证明 Yi、 Yi、 ?0、?1都服从正态分布 ^ ^ ^ var(?0) ^ var(?1) ^ * 最大似然估计(ML) 原理 参数?i估计值（与最小二乘估计量相同） 对?2的最大似然估计量 * 矩估计(MM) 原理 参数?i估计值 E(?i)=0 Cov(Xi, ?i)=E(Xi?i)=0 * 参数的区间估计 如何构造？ 怎样才能缩小置信区间？ (1) 增大样本容量 (2) 提高模型的拟合优度 (3) 解释变量的值越分散越好 * 拟合优度检验 可决系数的定义？ 根据：TSS=ESS+RSS，定义： TSS, ESS, RSS