姚耀军计量经济学讲义.doc

计量经济学讲义 浙江工商大学金融学院 姚耀军 目录 第一讲 OLS的代数 2 第二讲 OLS估计量 17 第三讲 假设检验 33 第四讲 异方差 63 第五讲 自相关 81 第六讲 多重共线 106 第七讲 虚拟变量 121 第八讲 时间序列初步：平稳性与单位根 133 第九讲 协整与误差修正模型 157 第十讲 ARCH模型及其扩展 164 第一讲 OLS的代数 问题 假定y与x具有近似的线性关系：，其中是随机误差项。我们对这两个参数的值一无所知。我们的任务是利用样本去猜测的取值。现在，我们手中就有一个样本容量为N的样本，其观测值是：。问题是，如何利用该样本来猜测的取值？ 一个简单的办法是，对这些观察值描图，获得一个横轴x，纵轴y的散点图。既然y与x具有近似的线性关系，那么我们就在散点图中拟合一条直线：。该直线是对y与x的真实关系的近似，而分别是对的猜测（估计）。问题是，如何确定与，以使我们的猜测看起来是合理的呢？ OLS的两种思考方法 法一： 与是N维空间的两点，与的选择应该是这两点的距离最短。这可以归结为求解一个数学问题： 在这里定义了残差。 法二： 给定，看起来与越近越好（最近距离是0）。然而，当你选择拟合直线使得与是相当近的时候，与的距离也许变远了，因此，存在一个权衡。一种简单的权衡方式是，给定，拟合直线的选择应该使与、与、...、与的距离的平均值是最小的。距离是一个绝对值，数学处理较为麻烦，因此，我们把第二种思考方法转化求解数学问题： 由于N为常数，因此上述两个数学问题对于求解与的值是无差异的。 求解 定义，利用一阶条件，有： 方程（1）与（2）被称为正规方程。 由（1），有： 把带入（2），有： 关于正规方程的直觉： 无论用何种估计方法，我们都希望残差所包含的信息价值很小，如果残差还含有大量的信息价值，那么该估计方法是需要改进的！对模型利用OLS，至少我们能保证（1）：残差均值为零；（2）残差与解释变量x不相关【一个变量与另一个变量相关是一个重要的信息】。 练习： (1)利用离差之和为零的代数性质，验证： (2)假定，用OLS法拟合一个过原点的直线：，求证在OLS法下有： 并验证： 笔记： ①现在只有一个正规方程，该正规方程同样表明。 ②无截距回归公式的一个应用 假定y与x真实的关系是： 对（3），按照无截距回归公式，有： (3) 假定，用OLS法拟合一水平直线，即：，求证。 一些基本的性质 对于简单线性回归模型：，在OLS法下，存在如下代数性质： （一）拟合直线过点，。 （二）由正规方程（1）可知，残差之和为零。 注释：只有拟合直线带有截距时才存在正规方程（1）。 （三）由正规方程（2）可知，残差与x的样本协方差为零，即残差与x样本不相关。【注意：该性质的获得也利用了性质（二）】。 练习：证明残差与也是样本不相关的。 （四）定义 其中TSS、ESS、RSS分别被称为总平方和、解释平方和与残差平方和。则：TSS=ESS+RSS。 证明： 练习： 基于前述对Var(x)、Cov(x,y)的定义，验证： 其中a，b是常数。 （2）对于简单线性回归模型：，在OLS法下，证明 提示： （五）为了判断拟合直线对观测值的拟合程度，我们定义判定系数。显然，，而意味着各残差都为零，即拟合直线与样本数据完全拟合。R2也是与的样本相关系数r的平方。 证明： 练习： （1）对于简单线性回归模型：，在OLS法下，证明R2是y与x的样本相关系数的平方。 （2）对于模型：，在OLS法下，证明R2=0。 一个警告！ 软件包通常是利用公式，其中来计算R2。应该注意到，我们在得到结论 时利用了的性质，而该性质只有在拟合直线带有截距时才成立，因此，如果拟合直线无截距，则上述结论并不一定成立，因此，此时我们不能保证R2为一非负值。总而言之，在利用R2时，我们的模型一定要带有截距。当然，还有一个前提是，我们所采用的估计方法是OLS。 R2、调整的R2、自由度 我们估计总体均值至少需要一个观测值，估计总体方差至少需要两个观测值，进而推之，需要估计的参数越多，那么对样本容量的要求越高。 如果在模型中增加解释变量，那么总的平方和不变，但残差平方和至少不会增加，一般是减少的。 因此，如果单纯依据R2标准，我们应该增加解释变量以使模型拟合得更好。增加解释变量将增加待估计的参数，在样本容量有限的情况下，这并不一定是明智之举。这涉及到自由度问题。 什么叫自由度？假设变量x可以自由地取N个值，那么x的自由度就是N，然而，如果施加一个约束，，a为常数，那么x的自由度就减少了，新的自由度就是N-1。 如果利用公式来估计总体方差，我们将得到的是一个有偏的估计【什么叫有偏？？如果我们无限次重复抽取样本容量为N的样本，针对每