一元离散回.pptxVIP

§2.2 一元线性回归模型 的参数估计一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、最小二乘估计量的性质 单方程计量经济学模型分为两大类： 线性模型和非线性模型 线性模型中，变量之间的关系呈线性关系非线性模型中，变量之间的关系呈非线性关系 一元线性回归模型：只有一个解释变量 i=1,2,…,nY为被解释变量，X为解释变量，?0与?1为待估参数， ?为随机干扰项 回归分析的主要目的:是要通过样本回归函数（模型）SRF尽可能准确地估计总体回归函数（模型）PRF。 估计方法有多种，其种最广泛使用的是普通最小二乘法（ordinary least squares, OLS）。 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设。 注：实际这些假设与所采用的估计方法紧密相关。 一、线性回归模型的基本假设 假设1 解释变量X是确定性变量，不是随机变量； 假设2 随机误差项?具有零均值、同方差和不序列相关性： E(?i)=0 i=1,2, …,n Var (?i)=??2i=1,2, …,n Cov(?i, ?j)=0 i≠j i,j= 1,2, …,n 假设3 随机误差项?与解释变量X之间不相关： Cov(Xi, ?i)=0 i=1,2, …,n 假设4 ?服从零均值、同方差