计量经济学（第四版）2.3 一元线性模型的参数估计幻灯片课件.pptVIP

§2.3 一元线性回归模型的参数估计(Estimation of Simple Linear Regression Model) ;一、参数的普通最小二乘估计（OLS）;1、最小二乘原理;2、正规方程组;3、参数估计量;OLS估计;二、参数估计的最大似然法(ML);1、最大似然法;2、估计步骤;对数似然函数 ;3、讨论;4、例题;三、参数估计的矩法(MM);矩估计的基本原理是用相应的样本矩来估计总体矩。 对一元线性回归模型，在满足基本假设时，存在两个总体矩条件。 相应的样本矩条件构成关于待估参数的正规方程组。 求解该方程组，得到参数估计。 参数估计与OLS估计相同。;由基本假设，写出两个总体矩条件;MM估计;四、最小二乘估计量的性质;1、概述;当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质(asymptotic properties)： 渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值； 一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值； 渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。;2、高斯—马尔可夫定理(Gauss-Markov theorem);;证：;;（2）证明最小方差性;由于最小二乘估计量拥有一个“好”的估计量所应具备的小样本特性，它自然也拥有大样本特性。 ;五、参数估计量的概率分布及随机干扰项方差的估计;1、参数估计量的概率分布 ;2、随机干扰项?的方差?2的估计; 在最大或然估计法中，求解似然方程：