计量课件第二章一元线性回归(上).pptVIP

P32【相关链接】回归参数方差与标准差的计算最小方差说明最小二乘估计在所有线性无偏估计中是分布分散程度最小的。在具有无偏性的前提下，最小二乘估计量的分布分散程度最小、能保证最小二乘估计值与参数真实值比较接近，因此是对最小二乘估计价值的进一步支持。线性性使得我们容易通过基本假定求得估计量服从正态分布，为统计检验打下基础；无偏性说明OLS估计量是以其真实值为中心的估计，这种估计当然是好的；最小方差性说明OLS估计量偏离其真实值的程度最小，取值与真实值附近的可能性最大up1、计量经济学的研究方法一般分为以下步骤（）A．确定科学的理论依据、模型设定、模型检验、模型修定、模型应用B．模型设定、数据收集、估计参数、模型检验、模型应用C．搜集数据、模型设定、估计参数、预测检验D．模型设定、数据收集、模型修定、结构分析、模型应用2.设OLS法得到的样本回归直线为，则点（）?A.一定不在回归直线上???B.一定在回归直线上C.不一定在回归直线上????D.在回归直线上方3.最小二乘准则是指（）达到最小值C.使D.使达到最小值B.使达到最小值达到最小值A.使4、下图中“{”所指的距离是（）A.随机误差项B.残差C.的离差D.的离差5、参数的估计量具备最小方差性是指（）A.=0B.为最小C.D.为最小6、计量经济学参数估计量无偏性的含义是A估计值与真实值相等B估计值与真实值相差很小C估计量的数学期望等于真实值D估计量的方差为07、若两变量x和y之间的相关系数为-1，这说明两个变量之间（）A.低度相关 B.不完全相关C.弱正相关 D.完全相关???为什么在对参数进行最小二乘估计之前，要对模型提出古典假定？答：在古典假定条件下，OLS估计得到的参数估计量是该参数的最佳线性无偏估计，具有无偏性、有效性、线性。总之，作古典假定是为了使所作出的估计具有较好的统计性质和方便地进行统计推断。up1、下列哪些形式是正确的（）。A.D.B.E.C.F.G.H、SRFPRF？都代表什么判断正误并说明理由：(1)随机误差项ui和残差项ei是一回事(2)总体回归函数给出了对应于每一个解释变量的被解释变量的值。(3)在线性回归模型中，解释变量是原因，被解释变量是结果up第二节最小二乘估计（OLS）本节主要介绍：一、一元线性回归模型的基本假定二、普通最小二乘法（OLS）三、OLS回归线的性质四、最小二乘估计式的统计性质五、习题up一、一元线性回归模型的基本假定1、为什么要有这些假定？为保证参数估计量具有良好的性质，根据普通最小二乘法的适用条件，对一元线性回归模型提出若干基本假定。2、假定的两个方面：

（1）关于变量和模型的基本假定选择了正确的函数形式。是非随机的，或者虽然是随机的，但是与是不相关的；

（2）关于随机误差项假定1零均值：当解释变量取值时，因变量Y的值可能大于或小于，但平均来看，随机误差项对Y没有影响．

假定2同方差：

是说无论解释变量X在其可行范围内取何值，随机误差项的方差都是相同的。我们把这个假设称为随机误差项的同方差性假设。如果违背该假设，则属于异方差内容。异方差XYXY假定3无序列相关：假设(3)的意义是对应不同观测值的误差