原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
§2.2 一元线性回归模型及其参数估计 Simple Linear Regression Model and Its Estimation;一、线性回归模型及其普遍性;1、线性回归模型的特征;因此，一个更符合实际的数学描述为：
C = ? + ?Y+? (2.2.2)
其中： ? 是一个随机误差项，是其他影响因素的“综合体”。
线性回归模型的特征：
⑴ 通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数；
⑵ 在线性回归模型中，被解释变量的特征由解释变量与随机误差项共同决定。
; 2、线性回归模型的普遍性;将非线性关系化为线性关系的常用的数学处理方法;⑵ 函数变换;(3)级数展开;
变量置换得到;结论：;二、线性回归模型的基本假设;1、技术线路;2、线性回归模型在上述意义上的基本假设; （5）随机误差项服从０均值、同方差的正态分布：
?i~N(0, ??2 ) i=1,2, …,n
注意：
如果第(1)条假设满足，则第(4)条也满足;
模型对变量和函数形式的设定是正确的，即不存在设定误差。;重要提示;三、一元线性回归模型的参数估计;1、普通最小二乘法（Ordinary Least Square,OLS）;; 2、最大或然法（ 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、参数估计的离差形式(deviation form);4、样本回归线的数值性质(numerical properties);四、最小二乘估计量的统计性质 高斯-马尔可夫定理; 当模型参数估计完成，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。
一个用于考察总体的统计量，可从三个方面考察其优劣性：
（1）线性性(linear)：即是否是另一随机变量的线性函数；
（2）无偏性(unbiased)：即它的均值或期望值是否等于总体的真实值；
（3）有效性(efficient)：即它是否在所有线性无偏估计量中??有最小方差。;高斯—马尔可夫定理
(Gauss-Markov theorem)
在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。;1、线性性：参数估计量是Y的线性函数;2、无偏性：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
普通最小二乘估计量具有线性性、无偏性、最小方差性等优良性质。
具有这些优良性质的估计量又称为最佳线性无偏估计量，即BLUE估计量（the Best Linear Unbiased Estimators）。
显然这些优良的性质依赖于对模型的基本假设。;五、参数估计量的概率分布与随机项方差的估计;;;;; 例2.3：在收入-消费支出例中，参数估计及其标准差的计算如下：
文档评论（0）