第2章（2）单方程计量经济学模型（课件）.pptVIP

一元线性回归模型的一般形式 模型参数估计的任务 模型参数估计的任务为两项： 一元线性回归模型的参数估计 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），要求样本回归函数尽可能好地拟合这组值，即样本回归线上的点与真实观测点的“总体误差”尽可能地小。 最小二乘参数估计量的离差形式(deviation form) 随机误差项方差的估计量 但是，随机误差项的方差的估计量是不同的。 3、样本回归线的数值性质(numerical properties) 样本回归线通过Y和X的样本均值； Y估计值的均值等于观测值的均值； 残差的均值为0。 四、最小二乘估计量的统计性质高斯-马尔可夫定理 当模型参数估计完成，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。 一个用于考察总体的统计量，可从三个方面考察其优劣性： （1）线性性(linear)：即是否是另一随机变量的线性函数； （2）无偏性(unbiased)：即它的均值或期望值是否等于总体的真实值； （3）有效性(efficient)：即它是否在所有线性无偏估计量中具有最小方差。 1、线性性：参数估计量是Y的线性函数 2、无偏性： 参数估计量的均值等于总体回归参数真值 一元线性回归模型偏回归系数的意义