3多元线性回归与最小二乘估计.pdfVIP

1.3 多元线性回归与最小二乘估计 1 ．假定条件、最小二乘估计量和高斯—马尔可夫定理 多元线性回归模型： y =  + x +  x +…+  x + u , (1.1) t 0 1 t1 2 t2 k- 1 t k -1 t 其中 y 是被解释变量（因变量），x 是解释变量（自变量），u 是随机误差项， , i = 0, t t j t i 1, … , k - 1 是回归参数（通常未知）。 对经济问题的实际意义：y 与x 存在线性关系，x , j = 0, 1, … , k - 1, 是y 的重要解释 t t j t j t 变量。u 代表众多影响y 变化的微小因素。使y 的变化偏离了E( y ) =  + x +  x +…+ t t t t 0 1 t1 2 t2 k- 1xt k -1 决定的 k 维空间平面。 当给定一个样本（y , x , x ,…, x ）, t = 1, 2, …, T 时, 上述模型表示为 t t1 t2 t k -1 y =  + x +  x +…+  x + u , 经济意义：x 是y 的重要解释变量。 1 0 1 11 2 12 k- 1 1 k -1 1 t j t y =  + x +  x +…+  x + u , 代数意义：y 与x 存在线性关系。 2 0 1 21 2 22 k- 1 2 k -1 2 t t j ……….. 几何意义：y 表示一个多维平面。 t y =  + x +  x +…+  x + u , (1.2) T 0 1 T 1 2 T 2 k- 1 T k -1 T 此时y 与x 已知， 与 u 未知。 t t i j t  y 1   1 x 11  x 1j  x 1 k 1    0   u1  y 2   1 x 2 1  x 2j 