第2章 双变量归的进一步讨论.pptVIP

第二章 双变量回归的进一步讨论 教师：卢时光 1. 正态性假设 1.1 为什么要对干扰ui的概率分布作出正态性假设？ 在上一章的分析中，我们并没有对干扰ui的概率分布作出任何假设。我们对ui的描述是：它们的期望值为0，它们是不相关的，并且有着一个不变的方差。 有了这些假设，我们看到最小二乘（OLS）估计量 有着非常好的统计性质，例如它们是无偏估计的，最小方差。 如果我们的目的仅仅是做点估计，则上述假定就足够好了，但是点估计只是统计推断的一个方面，另一方面则是假设检验。 我们的目标并不仅仅是得到 ，而是要利用它对其真值 作出论断。更一般的来说，我们的目的不仅是要得到样本回归函数（SRF），而是要用它来推测总体回归函数（PRF）。 那么，我们为什么必须对干扰项ui的概率分布进行进一步的假定呢？事实上，我们在前面的分析中已经强调过，最小二乘（OLS）估计量 都是ui的线性函数，因此最小二乘（OLS）估计量 的概率分布是依赖于ui的概率分布的。 在回归分析中，人们常常愿意假设ui是遵循正态分布的，这种假设是有理由的，我们稍后来证明。 我们把假定了干扰ui符合正态分布的模型称为双变量经典正态线性回归模型（CNLRM）。 1.2 正态性假设 经典正态线性回