普通最小二乘法.docx

。 普通最小二乘法（OLS） 普通最小二乘法（Ordinary Least Square，简称 OLS），是应用最多的参数估计方 法，也是从最小二乘原理出发的其他估计方法的基础，是必须熟练掌握的一种方法。 在已经获得样本观测值 yi , xi （i=1,2,…,n）的情况下 （见图 2.2.1 中的散点），假如模型（2.2.1）的参数估计量 ?^ 已经求得到，为 0 和 ?^ 1 ，并且是最合理的参数估计量，那 么直线方程（见图 2.2.1 中的直线） y^ ? ?^ ? ?^ x i 0 1 i i=1,2,…,n (2.2.2) ^ 应该能够最好地拟合样本数据。其中 y i 为被解释变量的估计值，它是由参数估计量和解释 变量的观测值计算得到的。那么，被解释变量的估计值与观测值应该在总体上最为接近，判断的标准是二者之差的平方和最小。 Q ? ?n i ?1 ( y ? ? ? ? x )2 i 0 1 i ? ? u2 i ? Q(? 0 , ? ) 1 ? ?n ? ?2 ?n ? ? ? ?2 Q ? u?2 ? y ? y? ? y ?? ?? x ?minQ(? ,? ) ? ??? ,? ??? i i i i 0 1 i 0 1 0 0 1 1 1 1 (2.2.3) 为什么用平方和？因为二者之差可正可负，简单求和可能将很大的误差抵消掉