(4.1.26) 都是已知的。对于随机效应,i=1…,m,合理的假定是 E(51)=0Co515)=0,≠j (4.1.27) D()=a2,i=1 当然以后有时还可以考虑5;是向量的情况,不过这里假定每个5;是一维变量。记 V=UUi=1 1V1+ (4.1.28) 则方差分量模型可记为 E(Y)=XB,var(Y)=∑ (41.29) 模型的主要任务是要估计固定效应向量B与方差分量σ2,a2,…,O2。和一般的多元线性回归 模型相比,就是待估的方差多了 通过这些介绍,我们就可以方便地将各种经济方面的普通线性回归模型改造成方差分量模 型,当然要根据实际 第二节方差分量模型的解法 对于方差分量模型 =XB+U151 E()=B,Var(Y)=∑UA 般都采用二步估计法,首先估计方差分量σ2,…口n,然后再估计固定效应B。按照广义最 小二乘 B*=(X21X)X 其中 ∑=>GU (42.3) 所以方差分量模型解法的关键是估计方差分量。以下介绍的方法,也都是针对方差分量估计方 法而言的5 ( , , , ) U = U1 U2  Um （4.1.26） 都是已知的。对于随机效应  i ,i =1,  ,m ,合理的假定是     = = = =  D i m E i j i i i i j ( ) , 1, , ( ) 0,Cov( , ) 0,   2     （4.1.27） 当然以后有时还可以考虑ξi 是向量的情况，不过这里假定每个ξi 是一维变量。记 i i i m V mVm V U U i 2 1 2 1 =  , = 1,  , ,  =  ++ ， （4.1.28） 则方差分量模型可记为 E(Y) = X, Var(Y) =  （4.1.29） 模型的主要任务是要估计固定效应向量β与方差分量 2 2 2 2 1 , , ,     m 。和一般的多元线性回归 模型相比，就是待估的方差多了。 通过这些介绍，我们就可以方便地将各种经济方面的普通线性回归模型改造成方差分量模 型，当然要根据实际。 第二节 方差分量模型的解法 对于方差分量模型       = =  = + + + =        i i i m i p m n p m p n p p n n p E Y X Y U U Y X U U m m 2 1 1 1 1 1 1 1 ( ) , Var( ) 1 1       （4.2.1） 一般都采用二步估计法，首先估计方差分量 2 2 1 , ,    m ，然后再估计固定效应β。按照广义最 小二乘 X X X Y 1 1 ˆ ) ˆ * ( − − −  =   （4.2.2） 其中 i i i m i  =  U U  = 2 1 ˆ ˆ  （4.2.3） 所以方差分量模型解法的关键是估计方差分量。以下介绍的方法，也都是针对方差分量估计方 法而言的