ols估计参数是线性的_计量经济学：一元线性回归最小二乘估计（OLS）及其检验...

回顾上上篇文章：

夔小攀：计量经济学：一元线性回归导入​zhuanlan.zhihu.com

1，建立经济学模型的四个步骤：

理论模型设计 → 样本数据收集 →模型参数估计 → 模型的检验

2，一元线性回归模型的理论模型设计：

总体回归函数：

总体回归模型：

样本回归函数：

样本回归模型：

上一篇文章不加解释地阐述了一元线性回归的假设前提，在这里先不予回顾。从建立经济学模型的四个步骤来看，我们已经建立了理论模型，假设现在已经有了很多的样本数据，现在要做的就是模型的参数估计了，即：如何根据已有数据，得到

这两个待估参数。

开始这一篇文章：

最开始，我们要明确我们现在使用的是：样本回归函数与样本回归模型。用样本去估计总体。

样本回归函数：

样本回归模型：

为了避免看了后面忘记前面，建议把前面标号的公式记录下来

一、最小二乘估计的概念

如何估计

，最常用的方法就是最小二乘估计了。

顾名思义，最小，二乘，估计，就是被解释变量的所有观测值（样本）

与

估计值

之差的平方和（

二乘） 最小。

用公式表示如下：

将公式1代入公式3中可得：

为啥要取平方呢？我们希望得到的是一条直线来表现一些离散的点的趋势，而这里的最小二乘估计所用的所有观测值（样本）

与

估计值

之差，实际上就是有正有负的，而如果不取平方，最后得到的结果只会是0，这个方法也就失去了其意义。