多元回归_5.2.1_OLS的目标函数和求解过程.pdf

对外经济贸易大学 计量经济学 I n t r o d u c t i o n t o E c o n o m e t r i c s 导论 OLS的目标函数和求解 过程 OLS的目标函数和求解过程 多元回归中OLS的估计量 k 元回归变量的OLS 估计量是使得下式尽可能的小: n 2 ˆ ˆ ˆ [y  (  x  ...  x )] i 0 1 i1 k ik i 1 • OLS估计量为真实值y 和预测值 （基于回归线 i 得出）之差的平方和的最小化结果 • 最小化问题可通过微积分求解，由此得出β , β ,…,β 0 1 k 的OLS估计量 一阶条件的推导 OLS的估计准则： n n 2 2 ˆ ˆ ˆ min ˆ min [ ( u   y   x ...  x )] i i 0 1 i1 k ik i1 i1 为了得到上述最优问题的解，对 偏导数并等于0 ， n ˆ ˆ ˆ  ( y  x ...  x )  0 i i 0 1 i1 k ik n ˆ ˆ ˆ  x ( y  x ...  x )  0, j 1, 2,..., k i ij i 0 1 i1 k ik 解上面的方程组，可以得到β ，β 的OLS估计量： 1 1 = − − ⋯ − 0 1 1 ˆ n ˆ ˆ ˆ n 2   x y  x   x x  x 