计量经济学课件——3.1 矩阵基础及多元线性回归模型.pptVIP

* 样本回归函数：根据样本估计的总体回归函数 其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项?i的近似替代。 样本回归函数 * 样本回归模型的n个随机方程（1） 或 … … 若有n组观测值，则可得n个联立方程： … … * 令 样本回归模型的n个随机方程的矩阵表示 则有，样本回归方程的矩阵表示为： 或 或 … … … … * 经典线性回归模型的基本假设的引入 在回归分析中我们的目的不仅仅是获得参数的估计值，而且要对参数估计值做出推断 。 例如： 和 离它们相应的真实值有多远？ 与其期望值E(Yi|Xi)多接近？ 由PRF： 可知，Yi依赖于Xi 和ui，除非我们明确Xi 和ui的产生方式，否则我们将无法对Yi 作任何推断。同时，为了使得使用OLS方法的估计量具有良好的性质，我们做出了如下假设。 * 线性回归模型的基本假设（1） 假设1、回归模型是正确设定的。 模型的正确设定表现为以下几个方面： （1）模型应包括哪些变量 （2）模型的函数形式如何（线性？非线性？） （3）对进入模型的变量要做些什么概率上的假定 (Xi, Yi, ?i) * 线性回归