文档介绍：计量经济学第二章经典单方程计量经济学模型：一元线性回归模型
本章内容
回归分析概述
一元线性回归模型的基本假设
一元线性回归模型的参数估计
一元线性回归模型的检验
一元线性回归模型的预测
实例及时间序列问题
§ 回归r）。
，给定收入水平Xi ,个别家庭的支出可表示为两部分之和：
该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分；
其他随机或非确定性（nonsystematic)部分i。
称为总体回归函数（PRF）的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型(PRM)。
随机误差项主要包括下列因素：
在解释变量中被忽略的因素的影响；
影响不显著的因素
未知的影响因素
无法获得数据的因素
变量观测值的观测误差的影响；
模型关系的设定误差的影响；
其它随机因素的影响。
关于随机项的说明：
将随机项区分为“源生的随机扰动”和“衍生的随机误差”。
“源生的随机扰动”仅包含无数对被解释变量影响不显著的因素的影响，服从极限法则（大数定律和中心极限定理），满足基本假设。
“衍生的随机误差”包含上述所有内容，并不一定服从极限法则，不一定满足基本假设。
在§。
四、样本回归函数Sample Regression Function, SRF
1、样本回归函数
问题：能否从一次抽样中获得总体的近似信息？如果可以，如何从抽样中获得总体的近似信息？
，能否从该样本估计总体回归函数？
回答：能
该样本的散点图（scatter diagram)：
画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该直线近似地代表总体回归线。该直线称为样本回归线（sample regression lines）。
样本回归线的函数形式为：
称为样本回归函数（sample regression function，SRF）。
注意：这里将样本回归线看成总体回归线的近似替代
则
2、样本回归模型
样本回归函数的随机形式：
由于方程中引入了随机项，成为计量经济模型，因此也称为样本回归模型（sample regression model）。
回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。
§ 一元线性回归模型的基本假设(Assumptions of Simple Linear Regression Model)
一、关于模型设定的假设
二、关于解释变量的假设
三、关于随机项的假设
说明
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。
实际上这些假设与所采用的估计方法紧密相关。
下面的假设主要是针对采用普通最小二乘法（Ordinary Least Squares, OLS）估计而提出的。所以，在有些教科书中称为“The Assumption Underlying the Method of Least Squares”。
在不同的教科书上关于基本假设的陈述略有不同，下面进行了重新归纳。
1、关于模型关系的假设
模型设定正确假设。The regression model is correctly specified.
线性回归假设。The regression model is linear in the parameters。
注意：“linear in the parameters”的含义是什么？
2、关于解释变量的假设
确定性假设。X values are fixed in repeated sampling. More technically, X is assumed to be nonstochastic.
注意：“in repeated sampling”的含义是什么？
与随机项不相关假设。The covariances between Xi and μi are zero.
由确定性假设可以推断。
观测值变化假设。X values in a given sample must not all be the same.
无完全共线性假设。There is no perfect multicollinearity among the explanatory variables.
适用于多元线性回归模型。
样本方差假设。随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。
时间序列数据作样本时间适用
3、关于随机项的假设
0均值假设。The conditio