2.2一元线性回归的基本假使.pptVIP

§2.2、一元线性回归模型的基本假设 * * 单方程计量经济学模型分为两大类： 线性模型和非线性模型 线性模型中，变量之间的关系呈线性关系 非线性模型中，变量之间的关系呈非线性关系 一元线性回归模型：只有一个解释变量 i=1,2,…,n Y为被解释变量，X为解释变量，?0与?1为待估参数， ?为随机干扰项 回归分析的主要目的是要通过样本回归函数（模型）SRF尽可能准确地估计总体回归函数（模型）PRF。 估计方法有多种，其种最广泛使用的是普通最小二乘法（ordinary least squares, OLS）。 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设。 注：实际这些假设与所采用的估计方法紧密相关。 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 说明 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设。 实际上这些假设与所采用的估计方法紧密相关。 下面的假设主要是针对采用普通最小二乘法（Ordinary Least Squares, OLS）估计而提出的。所以，在有些教科书中称为“The Assumption Underlying the Method of Least Squares”。 在不同的教科书上关于基本假设的陈述略有不同，下面进行了重新归纳。 1、关于模型关系的假设 模型设定正确假设。The regression model is correctly specified. 线性回归假设。The regression model is linear in the parameters。 注意：“linear in the parameters”的含义是什么？ 2、关于解释变量的假设 确定性假设。X values are fixed in repeated sampling. More technically, X is assumed to be nonstochastic. 注意：“in repeated sampling”的含义是什么？ 与随机项不相关假设。The covariances between Xi and μi are zero. 由确定性假设可以推断。 观测值变化假设。X values in a given sample must not all be the same. 无完全共线性假设。There is no perfect multicollinearity among the explanatory variables. 适用于多元线性回归模型。 样本方差假设。随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。 时间序列数据作样本时间适用 3、关于随机项的假设 0均值假设。The conditional mean value of μi is zero. 同方差假设。The conditional variances of μi are identical.(Homoscedasticity) 由模型设定正确假设推断。 是否满足需要检验。 序列不相关假设。The correlation between any two μi and μj is zero. 是否满足需要检验。 *