第六章 一元线回归模型下.docVIP

一元线性回归模型（下） 总体回归函数： Yi B1 + B2Xi + ui 估计的样本回归函数： i 49.667 – 2.5176Xi 问题：OLS得出的估计回归直线的“优度”如何？即怎样判别它确实是真实的总体回归函数的一个好的估计量呢？ 6.1古典线性回归模型的一些基本假定 为什么对ui做一些假定？ Yi依赖于Xi与ui，假设Xi值是给定的或是已知的，是以给定X为条件（条件回归分析），而随机误差项u是随机的。由于Y的生成是在随机误差项 u 上加上一个非随机项 X ，因而Y也就变成了随机变量。只有假定随机误差项是如何生成的，才能判定样本回归函数对真实回归函数拟合的好坏。 因此必须对ui的生成做一些特殊的假定： 6.1.1 解释变量 X 与扰动误差项不相关。如果X是非随机的，则该假定自动满足。 （回忆：条件回归分析是以给定X值为条件的。） 6.1.2 扰动项的期望或均值为零。 E ui 0 6 - 1 平均地看，随机扰动项对Yi没有任何影响，也就是说，正值与负值相互抵消。 6.1.3 同方差假定，即每个ui的方差为一常数。 Var ui 6 - 2 可简单地理解为,与给定X相对应的每个Y的条件分布同方差；即每个Y值以相同的方差分布在其均值周围，否则称为异方差。 提问： ui的 条件 方差等于Yi的 条件 方差吗？ Yi B1 + B2Xi + ui 由