数据生成过程与多维的转换

高级计量经济学

本书应该大部分都是建立在多元回归的基础上，然后从简单的多元回归到复杂的多元回归模型，然后基于参数模型的考虑（或者说是线性的）。

从前面两节来看的话难点在于对分块矩阵的计算，然后以及矩阵形式的分布、求导的理解。个人认为是应该从列向量再行向量的形式来理解，再一一对应成单维的理解方式。

一般回归分析

数据生成过程（上帝视角）

最原始的数据之间应该存在着怎样的关系？假设是一个上帝安排以这样的数据生成方式来实现的（DGP），我们要做的就是估计这个过程。

工具：条件期望、条件方差、特征值与特征向量

首先为均方误差定义的一个函数

然后可以证明条件期望正是该部分的结果，直观层面就是用一条直线来概括散落的点得特征。

最小二乘法正是利用了这样的一个原理。

接下来则是探究估计的是否正确描述了原始数据的特征。

经典的线性回归模型

首先是变量一般是以列向量的形式出现，这部分得时刻记住，然后出现了个体特征，诸如时间，形成了横截面数据。计算均基于这个形式来计算。

在线性、严格外生等的假设下提出的OLS估计量：即使残差平方和最小的估计参数值。

接下来则是对变量本身可以解释模型多少的讨论，一般认为它的参考意义不是很大。

高级计量经济学-仍然还在探讨中！