二，简单回归模型.pptVIP

简单回归模型;一、简单回归模型定义;如何刻画其他条件不变;关于简单模型的两个重要假定;总回归函数（PRF，population regression function);;如何理解总体回归函数;*;几种常用的线性形式; （3）随机扰动项u; 引入随机扰动项 的原因;（4）样本回归函数（SRF）;*;样本回归函数的特点;样本回归函数与总体回归函数的关系;对样本回归的理解;*;（二） 简单线性回归模型的最小二乘估计;（1）对模型和变量的假定;（2）对随机扰动项u的假定;*; ;在对 的基本假定下 Y 的分布性质; 2、普通最小二乘法（OLS） （Ｏrdinary Least Squares); （2） 正规方程和估计式;*;???? （3） OLS回归线的数学性质  可以证明 (证明过程用到OLS的结论，但与基本假定无关); ●被解释变量估计值 与剩余项 不相关;（4）OLS估计式的统计性质;*;*;*;*; 渐近性质（大样本性质）;*; ? 分析OLS估计式的统计性质;1、? 线性特征 是Y的线性函数;例：首席执行官（CEO）的薪水与净资产回报率;例：工资和教育;(5)过原点的回归;没有截距项的过原点回归模型为: 因为 对 求偏导 令其为零得 可证明 ;注意:过原点回归的特点;极大似然估计的思想： 举例：对一种药物，药剂师认为: 有效率为70%。 生产的公司声称:有效率为90%， 统计学家抽取10个病人，发现有8人被治愈 ●当真实概率为P=0.7时: 产生“10个病人有8个治愈” 结果的概率为:(实验结果只有“治愈”和“未治愈”是二项分布);极大似然原理：“一个事件由于最近似而发生”;简单线性回归模型的极大似然估计;似然函数 (likelihood function);简单线性回归模型的极大似然估计量; （四) 拟合优度的度量; 1、总变差的分解; Y X ; 2、可决系数;可决系数的作用;可决系数与相关系数的关系;可决系数与相关系数的关系;*;*;*;*;*;*;*;*