实证课件第2章简单的回归模型.pptVIP

第2章 简单的回归模型 y = b0 + b1x + u 一些术语 在简单线性回归模型中： y = b0 + b1x + u 我们可以将y叫做： 因变量 左边变量 被解释变量 回归子 一些术语（续） 在y对x的简单线性中，我们特别地将x称为： 自变量 右边变量 解释变量 回归元 协变量 控制变量 简单的假定 u平均值, 也就是误差项为0，也就是： E(u) = 0 这还不是一个约束力特别强的假定，因为我们总是把观测不到的因素标准化，使其平均值为0，使用b0 去标准化从而有E(u) = 0 零条件均值假定： 对于u和x是怎么样联系起来的，我们将要用到一个重要的假定。 我们想得到这样的事实：我们对于x的了解，没有给出任何关于u的信息，因此假定它们是完全无关的，即是说： E(u|x) = E(u) = 0（即u,x不相关，无内生性） 这就暗含了 E(y|x) = b0 + b1x 解释变量要内生 最小二乘法（OLS） 回归的基本理念就是从一个抽样中估计总体参数 令 {(xi,yi): i=1, …,n} 表示从总体中抽取的 n个随机样本 对于样本中的每个观测值，我们可以写为： yi = b0 + b1xi + ui 推导最小二乘法（ OLS ） 为了推到最小二乘法，我们要知道我们的主要假设： E(u|x) = E(u) = 0 也意