V3-2多元线性回归模型（第一讲）.pptVIP

* 最大似然法估计 解上述三个方程得到： * 最大似然法估计 由于σ20，求解Ln(L)对应于β的最大值等同于求解ESS对应于β的最小值。这意味着，在正态分布假定下，最大似然估计量与最小二乘法估计量是相同的。 在模型为线性函数的情况下， σ2的最大似然估计量为ESS/N，不同于OLS方法得到的ESS/(N-1)。 由于最大似然估计量β l和σl2均为真实参数(β, σ2)的一致性估计量并且服从渐近正态分布，因而可以对非线性模型的估计参数做各种统计检验。 广义矩法（Generalized method of moments) 利用OLS和最大似然法估计模型参数时，均需要就解释变量及误差项的性质做出某些假定，以保证估计量具有BLUE性质。 使用广义矩方法（GMM）则不要求就误差项的统计分布做出严格的假定。 GMM估计量是稳健估计量(Robust estimators)。 从理论上可以证明，GMM方法更具有一般性，OLS、GLS和最大似然法均为GMM方法的特例。 GMM估计量 GMM估计方法基于模型参数应该满足某种理论关系的认识。 在应用工作中，这种理论关系用一系列基于样本数据的矩条件来替代。 考虑一元线性回归模型Yi = β0 + β1Xi +ei 应用OLS方法时假定有E(ei)=0, E(Xiei)=0，对应的样本矩条件为： 由上述矩条件可以得到OLS的两个正规