第2章_一元线性回归模型(2).pdf

第2章一元线性回归模型(2) 思考题： 1、CLRM关于随机误差项的五个假设是什 么？ 2、影响SRF中斜率估计量方差的两个因素是 什么？ 3、OLS估计量具有哪两个优良性质？ 4、假设检验的基本原理是什么？ 5、显著性水平和第一类错误指的是什么？ 思考题： 6、对稻草人假设进行检验的标准是什么？ 7、拟合优度的含义和度量指标是什么？ 8、正态性检验的目的是什么？ 复习 第2章(1)思考题： 1、回归分析中的变量有何特点？ 2、被解释变量的两个组成部分的含义是什 么？ 3、刻划被解释变量的两个参数分别是什么？ 4、样本回归模型与总体回归模型有何区别？ 5、最小二乘估计法的核心思想是什么？ 6、回归模型参数的估计量是什么？ 复习 第2章(1)思考题： 7、一元线性回归具有哪三个性质？ 8、如何解释回归模型参数的含义？ 2.1 古典线性回归模型（CLRM） 假设1、随机误差项与解释变量X之间不相关 问题： 回归分析的基本原理是什么？ 假设2 、随机误差项具有零均值 E(i)=0 i=1,2, …,n 如果假设2不成立： 0 假设3、随机误差项具有同方差 Var (i)=2 i=1,2, …,n 假设4 、各个随机误差项之间无自相关 Cov( )=0 i ≠j i,j= 1,2, …,n i, j 假设5、服从正态分布 2 i~N(0,  ) i=1,2, …,n 如果假设5不成立: 样本容量n30 中心极限定理 被解释变量服从正态分布 2.2 普通最小二乘估计量的方差 Y = f(X) + µ µ被称为随机误差项，代表所有其他影响因素的总 和 因此，Y是一个随机变量 刻划随机变量的两个参数： ①期望值 ②方差 计量研究目标 1、X对Y 的具体影响： E (Y | X )   X i 0 1 i 2、其他因素对Y 的平均影响幅度： Var（Y）＝ Var（µ） ＝ σ² Y的标准差：σ 2 1、随机误差项的方差 的估计 Y的方差： Var（Y）＝ Var（µ） ＝ σ² 2 称为总体方差，反映了随机变量Y 围绕其均值波动的平均幅度。 由于随机误差项 不可观测，只能从 的 i i 估计——残差ei出发，对总体方差进行估计。 理想但未知的总体回归模型 Y E (Y | X )    X