EViews统计分析基础教程第5章 基本回归模型的OLS估计 重点内容： 普通最小二乘法 线性回归模型的估计 线性回归模型的检验EViews统计分析基础教程一、普通最小二乘法（OLS）1.最小二乘原理设（x1，y1），（x2，y2），（xn，yn）是平面直角坐标系下的一组数据，且x1 x2 xn，如果这组图像接近于一条直线，我们可以确定一条直线y = a + bx ，使得这条直线能反映出该组数据的变化。 如果用不同精度多次观测一个或多个未知量，为了确定各未知量的可靠值，各观测量必须加改正数，使其各改正数的平方乘以观测值的权数的总和为最小。因而称最小二乘法。 EViews统计分析基础教程一、普通最小二乘法（OLS）1.最小二乘原理设双变量的总体回归方程为yt= B1 + B2xt +t样本回归函数为yt= b1 + b2xt + et其中，et为残差项， 5-3式为估计方程，b1 和b2分别为B1和B2的估计量，因而e = 实际的yt 估计的ytEViews统计分析基础教程一、普通最小二乘法（OLS）1.最小二乘原理估计总体回归函数的最优方法是选择B1和B2的估计量b1 ，b2，使得残差
