1.3多元线性回归与最小二乘估计.doc

1.3 多元线性回归与最小二乘估计 1．假定条件、最小二乘估计量和高斯—马尔可夫定理 多元线性回归模型： yt = (0 +(1xt1 + (2xt2 +…+ (k- 1xt k -1 + ut , (1.1) 其中yt是被解释变量（因变量），xt j是解释变量（自变量），ut是随机误差项，(i, i = 0, 1, … , k - 1是回归参数（通常未知）。 对经济问题的实际意义：yt与xt j存在线性关系，xt j, j = 0, 1, … , k - 1, 是yt的重要解释变量。ut代表众多影响yt变化的微小因素。使yt的变化偏离了E( yt) = (0 +(1xt1 + (2xt2 +…+ (k- 1xt k -1 决定的k维空间平面。 当给定一个样本（yt , xt1, xt2 ,…, xt k -1）, t = 1, 2, …, T时, 上述模型表示为 y1 = (0 +(1x11 + (2x12 +…+ (k- 1x1 k -1 + u1, 经济意义：xt j是yt的重要解释变量。 y2 = (0 +(1x21 + (2x22 +…+ (k- 1x2 k -1 + u2, 代数意义：yt与xt j存在线性关系。