一元线性回归模型和参数估计课件.pptVIP

一、一元线性回归模型的参数估计;一元线性回归模型的一般形式 ;模型参数估计的任务 ;1、普通最小二乘法（Ordinary Least Square, OLS）;由于;解得：;最小二乘参数估计量的离差形式(deviation form);随机误差项方差的估计量 ;1.用原始数据（观测值）Xi，Yi计算 ; 2、最大似然法（ Maximum Likelihood, ML）;; 将该或然函数极大化，即可求得到模型参数的极大或然估计量。; 由于或然函数的极大化与或然函数的对数的极大化是等价的，所以，取对数或然函数如下：; 可见，在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。;但是，随机误差项的方差的估计量是不同的。;3、样本回归线的数值性质(numerical properties);二、最小二乘参数估计量的统计性质高斯-马尔可夫定理; 当模型参数估计完成后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。 ;1、线性性：最小二乘参数估计量是Y的线性函数。;2、无偏性：最小二乘参数估计量的均值等于总体回归参数真值。;;3、有效性：在所有线性无偏估计量中，最小二乘参数估计量具有最小方差。;;（2）证明最小方差性;;;4、结论 普通最小二乘参数估计量具有线性性、