高斯--马可夫定理Gauss-Markovtheorem保证最小平方估计式为最.pptVIP

本章綜覽 應用第 7 和第 8 章的觀念，根據對樣本不同的假設條件來分析 最小平方估計式的小樣本性質 最小平方估計式的大樣本性質 在樣本不同的假設條件下執行假設檢定 與前一章相比，本章的結果隨樣本隨機性質的不同而有很大的差異。由於樣本平均數也是一種最小平方估計式，本章的許多結果也可以視為樣本平均數相關結果的延伸。 最小平方法估計式的統計性質 簡單線性迴歸模型： 迴歸的古典條件 : [B1] X i , i = 1, … , n, 為非隨機的變數。 [B2] 存在 α0 與 β0 使得 Yi = α0 + β0 X i + Vi , i = 1, … , n. 古典條件 Vi 具有以下性質： [B2] 中的 Vi 就是在參數值為 和 時模型的誤差。 Vi 稱為第 i 個干擾項 (disturbance)。 當 Vi 有相同的變異數，則稱 Vi 具有變異數齊一性，否則即為變異數不齊一性 (heteroskedasticity)。 迴歸變異數 條件 [B2](ii) 中出現了新參數 σ02，其最小平方估計式為殘差平方和除以其自由度： 若考慮只包含截距項的模型，此時迴歸變異數亦即樣本變異數： 最小平方法估計式的統計性質 假設 [B1] 和 [B2](i) 成立，則最小平方估計式分別為 α0 和 β0 的