本文探讨了经典线性回归中的高斯马尔可夫假设，强调了被解释变量Y与参数之间的线性关系，解释了满秩假设在处理多重共线性问题中的重要性，同时阐述了误差项与自变量的独立性、零均值以及同方差和无自相关性对模型的影响。最后指出在大样本情况下，正态分布假设可以适当放宽。
经典计量经济学基本假设—课堂理解笔记（一）
经典计量经济学（CLM），也称经典线性模型。在经典线性回归模型中，高斯—马尔可夫假定对于最小二乘估计（OLS）效果以及假设检验的成立及其重要。基本的假定总结起来主要有五个。首先基本线性模型形式如下
Y = β 0 + β 1 X + β 2 X + . . . . . + β n X + ϵ \ Y = \beta_0+\beta_1X+\beta_2X+\ .....+\beta_nX+\epsilon Y=β0+β1X+β2X+ .....+βnX+ϵ
1.线性
看到该假设，我们常规的想法是Y与X的存在线性关系，这没有问题，但是在高斯马尔可夫经典假设中的表达为"linear in parameters"，因此更为精确的含义是：被解释变量Y与参数 β i \beta_i βi之间的线性关系。那么如何理解呢？
其实在参数估计结果中我们可以发现参数与Y是线性关系
β ^ = （ X ′ X ) − 1 X ′ Y \hat{\beta}=（X'X)^{-1}X'Y β^=（X
最低0.47元/天 解锁文章
扫一扫
8568
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
