一线性回归模型应用【实验目的与要求】1.准确掌握线性回归模型基本形式和OLS估计的基本原理。2.熟练掌握线性回归模型的模型检验方法。3.熟练掌握线性回归模型的模型评价方法。4.学会利用线性回归模型对股票的β系数进行估计。5.在老师的指导下独立完成实验，得到正确的结果，并完成实验报告。【实验准备知识】线性回归模型，是以一定经济理论为依据，定量刻画经济变量之间关系的一类模型。在相当长的时间里代表了计量经济学的主流，故又称为经典线性模型。该类模型一直是计量经济学课程的教学重点，也是大部分计量经济学教材的核心内容。因此，本书只对线性回归模型的基本内容做以简单回顾。1.线性回归模型的基本形式线性回归模型根据解释变量的多少可分为一元线性回归模型和多元线性回归模型。而一元线性回归模型可以看作是多元线性回归模型的一个特例，因此，我们这里只介绍多元线性回归模型。假定被解释变量Y与K个解释变量X1，X2，…，Xk具有线性相关关系，多元线性回归模型的基本形式为：2i=1,2,3,…,n（1.1）用矩阵形式表达为（1.2）令，，，可写成如下形式（1.3）其中，是被解释变量观测值的n维列向量；是所有自变量的n个样本点实际观测值构成的矩阵；为维参数向量，由待估参数构成；为随机扰动向量。2.线性回归模型的基本假定线性回归模型有如下基本假定：（1）解释变量与随机扰动项不相关假定，即（1.4）但是，如果解释变量不是随机变量，这个假定将自动满足。（2）随机扰动项零均值假定，即（1.5）（3）随机扰动项同方差假定，即（1.6）（4）随机扰动项之间不相关假定，即，i≠j（1.7）（5）解释变量之间不存在线性相关关系假定，即，i≠j（1.8）（6）为了假设检验，假定随机项误差服从均值为零，方差为的正态分布。即（1.9）3.线性回归模型的参数估计线性回归模型参数估计最常用的方法是普通最小二乘法（OLS），得到的估计量称为最小二乘估计量。其基本思想是使被解释变量的观测值与模型估计值之差的平方和最小。参数估计值为（1.10）在满足基本假设的前提下，该估计量是所有线性、无偏估计量中方差最小的，即OLS估计量是最优线性无偏估计量。4.线性回归模型的模型检验线性回归模型的模型检验很多，常用的基本检验主要包括方程显著性检验（F检验）、回归系数的显著性检验（t检验）和残差检验等。（1）方程显著性检验（F检验）方程的显著性检验（F检验），主要是针对模型拟合样本的整体效果进行检验，即所有解释变量对被解释变量的总体解...
