计量经济学复习要点
参考教材：李子奈潘文卿《计量经济学》数据类型：截面、时间序列、面板
第二章简单线性回归
回归分析的基本概念，常用术语现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。简单线性回归模型是只有一个解释变量的线性回归模型。回归中的四个重要概念1总体回归模型（Populatio
Regressio
Model，PRM
yt01xtut代表了总体变量间的真实关系。
2总体回归函数（Populatio
Regressio
Fu
ctio
，PRF）
Eyt01xt代表了总体变量间的依存规律。
3样本回归函数（SampleRegressio
Fu
ctio
，SRF）
yt01xtet代表了样本显示的变量关系。
4样本回归模型（SampleRegressio
Model，SRM）
yt01xt代表了样本显示的变量依存规律。
总体回归模型与样本回归模型的主要区别是：①描述的对象不同。总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所关的样本中变量y与x的相互关系。②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，而样本回归模型是一个随机模型，它随样本的改变而改变。
总体回归模型与样本回归模型的联系是：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。
线性回归的含义线性：被解释变量是关于参数的线性函数（可以不是解释变量的线性函数）线性回归模型的基本假设简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定）普通最小二乘法（原理、推导）最小二乘法估计参数的原则是以“残差平方和最小”。


Mi

YiYi201：
i1
f

XiXYiY
1i1

，
XiX2
i1
0Y1X
OLS估计量的性质
（1）线性：是指参数估计值0和1分别为观测值yt的线性组合。（2）无偏性：是指0和1的期望值分别是总体参数0和1。
（3）最优性（最小方差性）：是指最小二乘估计量0和1在在各种线性无偏估计中，具有最
小方差。
高斯马尔可夫定理OLS参数估计量的概率分布

Var2
2xi2
OLS随机误差项μ的方差σ2的估计2
ei2

2
拟合优度的检验R2离差平方和的分解：TSSESSRSSr