一元线性回归模型的参数估计.doc |
您所在的位置:网站首页 › 参数估计分析 › 一元线性回归模型的参数估计.doc |
一元线性回归模型的参数估计.doc
下载文档
文档格式: doc
文档大小: 62K
文档页数: 3
一元线性回归模型的参数估计 ----普通最小二乘法
1、什么是一元线性回归模型? 一元回归模型,是最简单的计量经济学模型.在模型中,只有一个解释变量,被解释变量与解释变量之间存在线性关系.
2、一元回归模型的一般形式: yi=β0+β1xi+μi, i=1,2,…n (1)
其中,y是被解释变量,x是解释变量,β0、β1是待定参数,μ是随机误差项,yi,xi是随机抽取的n组样本观测值.
该方程满足如下条件:
E(μi)=0 Var(μi)=б2 Cov(μi,μj)=0 Cov(xi,ui)=0 i=1,2,...,n j=1,2,…,n ij
3、模型参数估计的任务 (1)一是求得反映变量之间数量关系的参数(即一元线性回归模型yi=β0+β1xi+μi, i=1,2,…n 中的β0,β1)的估计量;
(2)二是求得随机误差项的分布参数.
4、模型参数估计的普通最小二乘法 普通最小二乘法,是应用最多的参数估计方法. (1)什么是最小二乘原理 在已经获得样本观测值yi,xi(i=1,2,…,n)的情况下,假如参数估计量已经求得记为,我们可以得到直线方程: i=1,2,…,n (2) 其中,是被解释变量的估计值,它由参数估计量和解释变量的观测值计算得来.
被解释变量的观测值与估计值,在总体上越接近越好.判断的标准是: 二者之差平方和 最小. 这就是最小二乘原理.
[思考]为什么用平方和,而不直接将二者的差简单相加?
(2)从最小二乘原理,根据样本观测值,具体求参数估计值.
由于, (又 ) = 我们可以知道,Q是二次函数并且是非负数.所以Q的极小值总是存在的.(为什么?)
根据极值存在的必要条件知,
(为什么不是充分条件?)
由此,不难推得: (4)
进而得到: (5)
于是解得 (6)
另外,可以将公式(6) 本文档共3页,可免费阅读3页,剩余0页请下载后阅读。继续阅读 下载文档 关键词: 线性![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() 1、本文档共:3页,可阅读全部内容。 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。 3、本文档由内容提供方上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重标题与内容不符之情形,可联系本站下载客服投诉处理。 文档被侵权? 请点击这里,立即处理![]() |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |