第2章 线性回归模型.ppt

sfasfsfsfsfdsafafd 高级计量经济学导论 An introduction to advanced Econometrics Feiliang Niu 第二章 线性回归模型 第一节 线性模型的参数估计 2.1.1 模型假定及最小二乘估计 一、模型及模型的假定 线性模型的一般形式是 (2.1) 其中， 为被解释变量（因变量）， 为解释变量（自变量）， 是随机误差项， j = 1,2, … , k 为模型参数。 对经济问题的实际意义： 与 存在线性关系， 是 的重要解释变量。由于模型是现实问题的一种简化，以及数据收集和测量是产生 ，因此 代表众多影响 变化的微小因素，称为干扰项。计量经济学中的多种估计、检验、预测等分析方法，是针对不同性质的扰动项引入的。 这里应该注意到，由于 的影响使 变化偏离了 决定的 维空间平面。 用矩阵表示（2.1）式变形为 等价地，总体回归模型表示为 , (2.2) 总体回归方程为 (2.3) 其中， 这里的 表示对于不同的 （ ），被解释变量 的均值向量；X是由解释变量 的数据构成的矩阵，其中截距项可视为解释变量总是取值为1。有时也称为数据矩阵或设计矩阵。 那么，样本回归模型为 (2.4) 样本回归方程为 (2.5) 其中， 这里 表示Y的样本估计值向量； 表示回归 系数估计值向量；e表示残差向量。 这里需要说明的是，在构建线性回归模型时，要以总体回归方程(2.3)式描述的内容为理论基础，利用样本通过统计推断建立样本回归方程（2.5）式，然后借助样本回归模型（2.4）式，解释总体回归模型（2.2)式所描述的实际经济问题。然而,线性回归分析是有前提的，下面我们将介绍经典线性回归模型必须满足的假定条件。 1、零均值假定 假定随机干扰项 期望向量或均值向量为零，即 (2.6) 2、同方差和无序列相关假定 假定假定随机干扰项 不存在序列相关且方差相同，即 即 (2.7) 其