多元线性回归分析估计.pdf

Multiple Regression Analysis: Estimation 多元线性回归分析：估计 (1) y = β + β x + β x + . . . β x + u 0 1 1 2 2 k k 1 第2章内容回顾 •  1. Definition of the Simple Regression Model 简单回归模型的定义 •  2. Deriving the Ordinary Least Squares Estimates 推导普通最小二乘估计量 •  3. Mechanics of OLS OLS相关的代数性质 •  4. Unites of Measurement and Functional Form 测量单位和函数形式 •  5. Expected Values and Variances of the OLS estimators OLS估计量的期望值和方差 •  6. Regression through the Origin 过原点的回归 2 本章大纲 •  1. 为什麽使用多元回归 Motivation for Multiple Regression •  2. 普通最小二乘法的操作和解释 Mechanics and Interpretation of Ordinary Least Squares •  3. OLS估计量的期望值 The Expected Values of the OLS Estimators •  4. OLS估计量的方差 The Variance of the OLS Estimators •  5. OLS的有效性：高斯－马尔科夫定理 Efficiency of OLS: The Gauss-Markov Theorem 3 本课大纲 •  1. 多元回归模型的结构 •  2. 为什么使用多元回归 •  3.多元回归模型中的零值条件期望假定 •  4.多元回归模型的OLS 估计及代数性质 •  5.解释多元回归模型参数 •  6. 简单回归模型与多元回归模型的比较 4 1. 多元线性回归模型结构： 5 多元线性回归模型结构： 含有k个自变量的模型 •  多元线性回归模型一般可以写作： y = β + β x + β x +L + β x +u 0 1 1 2 2 k k •  x1…xk ，k=2,…K，多个解释变量。 6 多元回归模型的结构 •  β0 仍是截