1、第二章最小二乘法（ OLS）和线性回归模型1本章要点 最小二乘法的基本原理和计算方法 经典线性回归模型的基本假定 BLUE统计量的性质 t检验和置信区间检验的原理及步骤 多变量模型的回归系数的 F检验 预测的类型及评判预测的标准 好模型具有的特征2第一节 最小二乘法的基本属性 一、有关回归的基本介绍金融、经济变量之间的关系，大体上可以分为两种：（ 1）函数关系： Y=f(X1,X2,.,X P)， 其中Y的值是由 Xi（ i=1,2.p ） 所唯一确定的。（ 2）相关关系 : Y=f(X1,X2,.,X P) ， 这里Y的值不能由 Xi（ i=1,2.p ） 精确的唯一确定。3图 2-1 货币
2、供应量和 GDP散点图4 图 2-1表示的是我国货币供应量 M2（ y） 与经过季节调整的 GDP（ x） 之间的关系（数据为 1995年第一季度到 2004年第二季度的季度数据）。5 但有时候我们想知道当 x变化一单位时， y平均变化 多少，可以看到，由于图中所有的点都相对的集中在图中直线周围，因此我们可以以这条直线大致代表 x与 y之间的关系。如果我们能够确定这条直线，我们就可以用直线的斜率来表示当 x变化一单位时 y的变化程度， 由图中的点确定线的过程就是回归。 6 对于变量间的相关关系，我们可以根据大量的统计资料，找出它们在数量变化方面的规律（即 “平均 ”的规律），这种统计规律所揭示
3、的关系就是 回归关系 （ regressive relationship） ,所表示的数学方程就是 回归方程 （ regression equation） 或 回归模型 （regression model）。7 图 2-1中的直线可表示为 （ 2.1）根据上式，在确定 、 的情况下，给定一个 x值，我们就能够得到一个确定的 y值，然而根据式（ 2.1）得到的 y值与实际的 y值存在一个误差（即图 2-1中点到直线的距离）。 8 如果我们以表示误差，则方程（ 2.1）变为： 即： 其中 t（ =1,2,3,.,T） 表示观测数。 （ 2.2）（ 2.3）式（ 2.3）即为一个简单的双变量回归模型（因其仅具有两个变量 x, y） 的基本形式。 9 其中 yt被称作因变量（ dependent variable）、被解释变量（ explained variable）、结果变量（ effect variable）； xt被称作自变量（ independent variable）、 解释变量（ explanatory variable）、原因变量（ causal variable）10
