一元线性回归模型.pptVIP

3.4 参数估计的性质 古典线性回归模型（CLRM）的假定 假定1. 回归模型是参数线性的，但不一定是变量线性的。回归模型形式如下（可扩展到多个解释变量）： 假定2. 解释变量 与随机扰动项 不相关。 如果X是非随机的，该假定自动满足； 即使X是随机的，如果样本容量足够大，也不会对分析产生严重影响。 3.4 参数估计的性质 古典线性回归模型（CLRM）的假定 假定3. 给定 ，扰动项的均值为零。即 3.4 参数估计的性质 古典线性回归模型（CLRM）的假定 假定4. 同方差（homoscedastic），即 3.4 参数估计的性质 古典线性回归模型（CLRM）的假定 假定5. 无自相关（no autocorrelation），即两个扰动项之间不相关： 3.4 参数估计的性质 古典线性回归模型（CLRM）的假定 假定6. 回归模型是正确设定的，即模型不存在设定偏差或设定误差。 为什么需要以上6个假定？这些假定现实吗？如果不满足这些假定，情况又会怎样？如何得知是否满足所有这些假定？ 这些重要的问题暂时没有答案，事实上，教材“第二部分”都是围绕“如果假定不满足时会怎样”而展开的。 3.4 参数估计的性质 OLS估计量的方差与标准差 有了上述假定后可以计算出估计量的方差和标准差。 OLS估计量是随机变量，因为其值随样本的不同而变化，这些估计