java求线性回归置信区间,第5章 一元线性回归：假设检验和置信区间

一、关于某个回归系数的假设检验

t检验：双边假设和单边假设

二、回归系数的置信区间

三、X为二元变量时的回归

指示变量(indicator variable)&虚拟变量(dummy variable)

，其系数

不是指斜率，而是看作

的系数

四、异方差和同方差

同方差(homoskedastic)，异方差(heteroskedastic)

如果对任意

，给定

时

条件分布的方差

是常熟且不依赖于

时，误差项

是同方差的；否则，是异方差的。

同方差的数学含义：

1.OLS估计量仍然是无偏和近似正态的

2.误差同方差时OLS估计量的效率

3.同方差使用方差公式

五、普通最小二乘的理论基础

若三个最小二乘假设成立且误差同方差，则在

条件下，OLS估计量是所有线性条件无偏类估计量中方差最小的。换言之，OLS估计量是最佳线性条件无偏估计量(Best Linear Conditional Unbiased Estimator，BLUE)

Guass-Markov定理的局限性：

第一，其条件在实际应用中可能不成立，尤其是当误差异方差时，经济应用中常常是异方差的，此时OLS估计量不再是BLUE。

第二，既是定理条件成立，但也存在着其他非线性的条件无偏估计量，并且在某些条件下，这些估计量更有效。

不同于OLS的回归估计量：

1.加权最小二乘法(weighted least squares，WLS)

其中第

个观测的权重为给定

时

的条件方差平方根的倒数

2.最小绝对变差估计量

将“误差”平方改为了“误差”绝对值

六、样本容量较小时t统计量在回归中的运用

当样本容量较小时，t统计量的精确分布的非常复杂的并且依赖于数据的未知总体分布。但如果三个最小二乘假设成立，无差同方差且回归误差服从正态分布，则OLS估计量服从正态分布且同方差适用的t统计量服从学生t分布。

即同方差正态回归假设(homoskedastic normal regression assumption)