2.2一元回归分析.pdf

§2.2 一元线性回归模型的参数估计 Simple Linear Regression Model and Its Estimation 一、普通最小二乘法（OLS ） 二、最大或然法（ML ） 三、参数估计量的概率分布与随机项方差的估计 四、参数估计量的性质 五、实例 一、普通最小二乘法（OLS ） 1、普通最小二乘法（Ordinary Least Square,OLS） 给定一组样本观测值X , Y （i=1,2,…n ），要求样 i i 本回归方程尽可能好地拟合这组值，即样本回归线 上的点与真实观测点的“总体误差”尽可能地小。 最小二乘法给出的判断的标准是：二者之差的平方和 n n ˆ 2 ˆ ˆ 2 Q (Y Y )     = (Y ( 0 1X )) i i i i 1 1 最小。 案例 • 研究某居住小区家庭可支配收入X （单位： 元）对家庭消费支出Y （单位：元）的影响。 • 假如在该小区的家庭中抽出10户观察数据如下 X 800 1200 1600 2000 2400 800 1200 1600 2000 2400 Y 550 790 1020 1200 1370 600 840 1070 1360 1450 散点图 某居民小区家庭收入（X）与消费支出（Y） 的散点图 Y 1500 1300 1100 ˆ ˆ ˆ 900 Y a  b X 700 500 X 600 1100 1600 2100 最小二乘准则 ˆ ˆ ˆ Y Y a  b X (X ,Y ) . ˆ i i (X ,Y ) j j . ei