一元线性回归模的参数估计(D).doc

一元线性回归模型的参数估计 ----普通最小二乘法 1、什么是一元线性回归模型? 一元回归模型,是最简单的计量经济学模型.在模型中,只有一个解释变量,被解释变量与解释变量之间存在线性关系. 2、一元回归模型的一般形式: yi=β0+β1xi+μi, i=1,2,…n (1) 其中,y是被解释变量,x是解释变量,β0、β1是待定参数,μ是随机误差项,yi,xi是随机抽取的n组样本观测值. 该方程满足如下条件: E(μi)=0 Var(μi)=б2 Cov(μi,μj)=0 Cov(xi,ui)=0 i=1,2,...,n j=1,2,…,n ij 3、模型参数估计的任务 (1)一是求得反映变量之间数量关系的参数(即一元线性回归模型yi=β0+β1xi+μi, i=1,2,…n 中的β0,β1)的估计量; (2)二是求得随机误差项的分布参数. 4、模型参数估计的普通最小二乘法 普通最小二乘法,是应用最多的参数估计方法. (1)什么是最小二乘原理 在已经获得样本观测值yi,xi(i=1,2,…,n)的情况下,假如参数估计量已经求得记为,我们可以得到直线方程: i=1,2,…,n (2) 其中,是被解释变量的估计值,它由参数估计量和解释变量的观测值计算得来. 被解释变量的观测值与估计值,在总体上越接近越好.判断的标准是: 二者之差平方和 最小. 这就是最小二乘原理. [思考]为什么用平方和,而不直接将二者的差简单相加? (2) 从最小二乘原理,根据样本观测值,具体求参数估计值. 由于, = ( ) 我们可以知道,Q是二次函数并且是非负数.所以Q的极小值总是存在的.(为什么?) 根据极值存在的必要条件知, (为什么不是充分条件?) 由此,不难推得: (4) 进而得到: (5) 于是解得 (6) 另外,可以将公式(6)简化变形得 (7) 其中, (3)求随机误差项方差的估计值. 记 为第i个样本观测值的残差.即被解释变量的观测值与估计值之差.则随机误差项方差的估计值为: (8) 证明从略. 至此, 普通最小二乘法一元线性回归模型的参数估计问题得到解决. international, Unicom international market, adapted future people on city of development needs, based Yu industry support, and traffic advantage, and Yangtze River culture, and ecological civilization, advantage, established city development target: radiation absorb Yangtze River upstream chuan Yunnan Guizhou of regional center, and international ecological landscape culture city. 2.3.2 economic development in Yibin city, goal 2020 GDP reached 300 billion yuan, the per capita GDP reached 58000 2030 regional GDP reached 800 billion yuan, the per capita GDP reached 138000. 2020 industrial structure adjustment in Yibin city as 9:56:35; 2030 industrial structure adjustment for the