双变量回归及其估计问题课件.PPT

一、回归分析的基本性质 二、双变量回归分析基本概念 三、双变量回归分析估计方法 第二章　双变量回归模型及其估计问题 四、样本回归方程的拟合效果 一、普通最小二乘法 通过样本数据按照残差平方和最小的原则来估计总体回归模型中的参数的方法叫普通最小二乘法，又称最小平方法。 第三节 双变量回归模型的估计问题（1） 第三节 双变量回归模型的参数估计 min 第三节 双变量回归模型的估计问题（2） 第三节 双变量回归模型的估计问题（3） 第三节 双变量回归模型的估计问题（4） 数值性质 是指由于运用最小二乘法而得以成立的那些性质而不管数据是如何产生的。 统计性质 是指仅在数据产生的方式满足一定的假设下才得以成立的那些性质。 数值性质 1.OLS估计量是纯粹由可观测的量表达式，是容易计算的； 2.OLS估计量是点估计量； 3.一旦从样本数据得到OLS估计值，便可画出样本回归线。 第三节 双变量回归模型的估计问题（5） 样本回归线的性质 1.它通过Y和X的样本均值； 2.估计的均值等于实测均值，即 3.残差的均值等于0，即 4.残差和预测值不相关，即 5.残差和X不相关，即 第三节 双变量回归模型的估计问题（6） 二、经典线性回归模型： 最小二乘法的基本假定 1.线性回归模型，即模型是对参数线性的； 2.在重复抽样中X的值是固定的，即非随机的； 3.干扰项 u 的均值为零； 4.同方差性或干扰项 u 的方差相等； 5.各干扰项 u 之间无自相关； 第三节 双变量回归模型的估计问题（7） 二、经典线性回归模型： 最小二乘法的基本假定 6. 干扰项 u 与解释变量X 的协方差为零； 7. 观测的次数必须大于待估参数的个数； 8. X 的值要有变异性； 9. 正确地设定模型； 10. 没有完全的多重共线性。 第三节 双变量回归模型的估计问题（8） 三、最小二乘估计的精度或标准差 第三节 双变量回归模型的估计问题（9） 四、高斯—马尔可夫定理 1.线性性 2.无偏性 3.有效性 第三节 双变量回归模型的估计问题（10） true