一、多元线性回归模型 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、参数估计量的方差-协方差矩阵和随机误差项σ2方差的估计 五、样本容量问题 六、多元线性回归模型实例

一元线性回归模型 模型参数估计（最小二乘法） 样本判定系数与拟合优度检验 回归参数估计值的显著性检验 模型整体的显著性检验 一元线性回归模型预测 参数估计 假设检验

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

什么是参数估计? 参数是刻画总体某方面概率特性的数量 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计

一、教学目的要求 1.了解参数估计的估计值、估计量。 2掌握矩估计法、最大似然估计法的原理及定义。 3理解顺序统计量法的定义。 二、教学方法 讲授法:讲解参数估计的估计值、估计量等概念、矩估计法、最大似然估计定义、顺序统计量法的定义

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计(OLS) 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

第11章参数估计 一、引入:预测为何不准 当我们预报对了,没有人会记得; 当我们预报错了,没有人会忘记. 这是纽约气象所用于自嘲的一幅大标语.作为自然系统的气象,尚有不测风 云,作为人造系统的经济,更是变幻莫测

问题的提出 人们经常遇到的问题是如何选取样本以及 根据样本来对总体的种种统计特征作出判 断。实际工作中碰到的随机变量(总体)往 往是分布类型大致知道,但确切的形式并不 知道,亦即总体的参数未知.要求出总体的 分布函数F(x)(或密度函数p(x))就等于要根 据样本来估计出总体的参数.这类问题称为 参数估计