第2章⑵一元线性回归的参数估计.pptVIP

§2.2 一元线性回归模型 及其参数估计 一、一元线性回归模型的参数估计 二、普通最小二乘参数估计量的统计性质 三、普通最小二乘参数估计量的概率分布 一、一元线性回归模型的参数估计（教材P31） 一元线性回归模型的一般形式 一元线性回归模型的一般形式是： 模型参数估计的任务 模型参数估计的任务为两项： 1.普通最小二乘法（Ordinary Least Square, OLS） 给定一组样本观测值（Xi, Yi），i=1,2,…n，假如模型参数估计量已经求得，并且是最合理的参数估计量，那么样本回归函数应该能够最好地拟合样本数据，即样本回归线上的点与真实观测点的“总体误差”应该尽可能地小。 普通最小二乘参数估计量的离差形式(deviation form) 记 随机误差项方差的估计量（教材P39 ） 上述两个简捷公式是等价的! 证明如下： （补充） 2.最大似然法（ Maximum Likelihood, ML） 【该部分不作要求】 最大似然法，也称最大或然法，是不同于最小二乘法的另一种参数估计方法，是从最大似然原理出发发展起来的其它估计方法的基础。 最大似然法的基本原理： 对于最大似然法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型总体中抽取该n组样本观测值的联合概率最大。 将该似然函数极大化，