02-一元线性回归模型.pdfVIP

第2章 一元线性回归模型 模型的建立及其假定条件 最小二乘估计（OLS ） OLS回归函数的性质 最小二乘估计量的特性 ˆ β y 的分布和 的分布 t 1 σ 的估计2 拟合优度的测量 回归参数的显著性检验与置信区间 y F 的点预测与区间预测 案例分析 file: li-2-1 相关系数 file: li-2-3 file: case1 EViews操作 file: 5kepler3 第2章 一元线性回归模型 1. 模型的建立及其假定条件 一元线性回归模型 y = β + β x + u t 0 1 t t （第2版教材第8页） （第3版教材第7页） • 回归模型的随机误差项中一般包括如下几项内容， （1）非重要解释变量的省略，（2 ）人的随机行 为，（3 ）数学模型形式欠妥，（4 ）归并误差 （粮食的归并）（5）测量误差等。 • 回归模型存在两个特点。 （1）回归函数不能百分之百地再现所研究的经济过 程。 （2 ）也正是由于这些假定与抽象，才使我们能够透 过复杂的经济现象，深刻认识到该经济过程的本质。 • 模型解释变量和误差项u 的假定条件如下: t (1) u 是一个随机变量，u 的取值服从概率分布。 t t (2) E(ut) = 0 。 (3) ui 具有同方差性。 D(u 2 2 2 ) = E[u - E(u ) ] = E(u ) = σ 。 t t t t (4) ut 为正态分布（根据中心极限定理）。 以上四个假定条件可作如下表达。 2 u ∼N (0, σ ) t （第2版教材第11页） （第3版教材第9页） 模型解释变量和误差项u 的假定条件如下: t (5) u 非自相关。 i Cov(u , u ) = E[(u - E(u ) ) ( u - E(u ) )] i j i i j j = E(u , u ) = 0 ，(i ≠j ) 。 i j (6) x 是非随机的。 i