线性回归模型 1 回归分析概述 2 线性回归模型的参数估计 3 线性回归模型的统计检验 4回 归 预 测 5 极大似然估计 6 有约束回归1 回归分析概述一、线性回归模型的特征二、线性回归模型的普遍性三、线性回归模型的基本假设一、线性回归模型的特征1、线性回归模型的特征 一个例子凯恩斯绝对收入假设消费理论：消费（C）是由收入（Y）唯一决定的，是收入的线性函数： C = + Y (2.2.1) 但实际上上述等式不能准确实现。 原因 消费除受收入影响外，还受其他因素的影响； 线性关系只是一个近似描述； 收入变量观测值的近似性：收入数据本身并不绝对准确地反映收入水平。 因此，一个更符合实际的数学描述为： C = + Y+ (2.2.2)其中： 是一个随机误差项，是其他影响因素的“综合体”。 线性回归模型的特征： 通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数； 在线性回归模型中，被解释变量的特征由解释变量与随机误差项共同决定。2、模型的理论方程中为什么必须包含随机误差项？（1）在解释变量中被忽略的因素的影响；（2）变量观测值的观测误差的影响
