第2章⑵一元线性回归的参数估计课件.ppt

§2.2 一元线性回归模型 及其参数估计 一、一元线性回归模型的参数估计 二、普通最小二乘参数估计量的统计性质 三、普通最小二乘参数估计量的概率分布 一、一元线性回归模型的参数估计（教材P31） 一元线性回归模型的一般形式 一元线性回归模型的一般形式是： i=1，2，…，n 在满足如下基本假设(见P30-31，主要是假设1-4)的情况下 ： ( i=1,2,…,n ; j=1,2,…,n ; i≠j ) 随机抽取n组样本观测值(Yi,Xi)， i=1, 2, …, n，就可以估计模型的参数。 模型参数估计的任务 模型参数估计的任务为两项： 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，假如模型参数估计量已经求得，并且是最合理的参数估计量，那么样本回归函数应该能够最好地拟合样本数据，即样本回归线上的点与真实观测点的“总体误差”应该尽可能地小。 普通最小二乘法给出的判断标准是：二者之差的平方和最小，即 解得： 普通最小二乘参数估计量的离差形式(deviation form) 记 则参数估计量可以写成： 注：在计量经济学中，往往以大写字母表示原始数据（观测值），而以小写字母表示对均值的离差（deviation)。 随机误差项方差的估计量（教材P39 ）