应用回归课后浙江万里学院精读.docx

2.1 一元线性回归有哪些基本假定?答：假设1、解释变量X是确定性变量，Y是随机变量；假设2、随机误差项ε具有零均值、同方差和不序列相关性：E(εi)=0 i=1,2, …,nVar (εi)=2i=1,2, …,nCov(εi,εj)=0 i≠ji,j= 1,2, …,n假设3、随机误差项ε与解释变量X之间不相关：Cov(Xi, εi)=0 i=1,2, …,n假设4、ε服从零均值、同方差、零协方差的正态分布εi~N(0, 2 ) i=1,2, …,n2.2 考虑过原点的线性回归模型Yi=β1Xi+εii=1,2, …,n误差εi（i=1,2, …,n）仍满足基本假定。求β1的最小二乘估计解：得：2.3 证明（2.27式），ei =0 ，eiXi=0 。证明：其中：即：ei =0 ，eiXi=02.4回归方程E（Y）=β0+β1X的参数β0，β1的最小二乘估计与最大似然估计在什么条件下等价?给出证明。答：由于εi~N(0, 2 ) i=1,2, …,n所以Yi=β0 + β1Xi+ εi~N（β0+β1Xi, 2 )最大似然函数：使得Ln（L）最大的，就是β0，β1的最大似然估计值。同时发现使得Ln（L）最大就是使得下式最小，上式恰好就是最小二乘估计的目标函数相同。值得注意的是：最大