多元线性回归模型：估计及t检验.docxVIP

多元线性回归：估计方法及回归系数显著性检验 线性回归模型的基本假设： y=。+。x+Px++Px+ui=1,2,...,ni011i22ikkii 在普通最小二乘法中，为保证参数估计量具有良好的性质，通常对模型提出若干基本假设： 解释变量间不完全相关； 随机误差项具有0均值和同方差。即： E(u)=0,Var(u)22i=1,2,...,n不同时点的随机误差项互不相关(序列不相关)，即Cov(u,u)=0s丰0,i=1,2,...,n随机误差项与解释变量之间互不相关。即Cov(x..,u)—0j=1,2,,k,i=1,2,,n随机误差项服从0均值、同方差的正态分布。即u〔~N(0,C2)i=1,2,,n 当模型满足假设1~4时，将回归模型称为标准回归模型”，当模型满足假设1~5时，将回归模型称为标准正态回归模型”。如果实际模型满足不了这些假设，普通最小二乘法就不再适用，而要发展其他方法来估计模型。 广义(加权)最小二乘估计(generalizedleastsquares) 当假设2和3不满足时，即随机扰动项存在异方差E(u；)二。2，i=1,2,...,n，且随机扰动项序列相关Cov(u,uj)=bj,iuj，i=1,2,...,n，j=1,2,...,n，此时OLS估计仍然是无偏且一致的，但不是有效估计。 线性回归的矩阵表示： (1)y=Xp+ (1) (b b .. b) 1