第三篇_回归分析基本方法：最小二乘法.pptVIP

* （1）OLS残差的平方和最小。 数学表述为： OLS估计量的代数性质 OLS估计值是以使残差和为零的参数估计值来选择的。 即OLS的一阶条件 我们试图找到这样一条直线，它到每一实际落点的距离的总和为最小。 由于实际落点到直线的距离有正也有负值，即误差有正值和负值，我们用误差项的平方值来测定其绝对距离。 所以我们可以通过全微分来求极值。 * 中山大学南方学院经济系 * 我们得出： 设一阶导数为零，可得： * 中山大学南方学院经济系 * * 中山大学南方学院经济系 * 然后我们再求二阶偏导： 由于二阶偏导大于零，所以我们确信这种所求的结果是最小值。这就是最小二乘法。 * 中山大学南方学院经济系 * 一元线性回归模型的假设条件 * 中山大学南方学院经济系 * 1. X与Y之间的关系是线性的。 2. X是非随机的变量，它的值是确定的。 3. 误差项的期望为0：E(εi ) = 0。 4. 对于所有观测值，误差项具有相同的方差，即E(ε2) = σ2——同方差假定 5. 随机变量εi 之间统计上是独立的，因此对所有的i≠j，E(εi εj) = 0—无序列相关假定 6. 误差项服从正态分布。 假设1—5：古典线性回归模型的定义 第四节 最小二乘法实用实例 计量经济的回归分析主要是根据经济理论