实验3：计量经济学实验【一元线性回归模型】课件.pptVIP

计量经济学实验——Eviews软件实验之  一元线性回归模型 内容概要 一、学习的目的和要求 二、学习的基本内容（重点） 三、知识点回顾 四、Eviews软件操作实例 一、学习的目的和要求 本部分是重要基础，主要介绍Eviews 中基本回归技术的使用；通过这部分内 容的学习应达到：能够运用Eviews软件 独立地建立并估计一元线性回归模型。 二、学习的基本内容（重点） 1、简单一元线性回归模型的基本理论和方法； 2、一元线性回归模型的有关检验（统计检验）； 3、看懂 Eviews 软件的标准回归分析结果； 4、采用通用的形式报告有关结果。 三、知识点回顾 1、四种重要的关系式 （1）总体回归模型（一元线性回归模型）: 其中 ——解释变量（自变量），因果关系中的“因” ——被解释变量（因变量），因果关系的中的“果” ——随机干扰项； ——总体回归参数真值； （2）总体回归函数（方程）： 我们关心的是上述模型中的确定性部分（趋势部分） 其含义在于：揭示了所考察总体被解释变量与解释变量之间的平 均变化规律，即根据解释变量 的固定值去估计和预测被解释变 量 Y 的平均值。 三、知识点回顾 1、四种重要的关系式 （2）总体回归函数（方程）： 其中总体回归参数真值 是未知的；总体回归方程也是 未知的。 （3）样本回归函数（方程）： 在实际应用中，从总体中抽取一个样本，进行参数估计，从 而获得估计的回归方程，系数 为估计的回归系数；用 这个估计的回归方程近似替代总体回归方程，其中估计的回 归系数 是总体参数真值 的估计值；基于估计方程 计算的 就为 的估计值； 由于我们从来就无法知道真实的回归方程，因此计量经济学 分析注重的是这个估计的回归方程和估计的回归系数； 三、知识点回顾 1、四种重要的关系式 （4）样本回归模型： 上述样本回归函数的随机形式，其中 为残差，且 残差是被解释变量的实际样本观测值 与其拟合值 之 间的差值； 残差 可看成是随机干扰项 的估计值。 三、知识点回顾 2、模型的基本（经典）假设 一元线性回归分析的基本任务是利用总体的一个样本计算 出回归参数 的估计值 ，得到估计的回归方程；为 了保证估计模型时采用的普通最小二乘法（OLS）的有效 性，必须对模型提出一些限定，这些限定就是指一系列相当 基本的假设（经典假设）； 如果实际模型满足这些假设，OLS就是最优的估计方 法，即OLS估计量为最优估计量； 如果实际模型不满足这些假设（一个或多个），OLS就 不是最优的，其他的估计方法有时会优于OLS，而这些 其他的估计方法也是以OLS为基础，对OLS的调整。 三、知识点回顾 2、模型的基本（经典）假设 基本(经典) 假设包括对一元线性回归模型 中解释变量 和随机干扰项 的假设： (1) 解释变量 是确定性变量，不是随机变量，在重复抽 样中取固定值，而随机干扰项 是随机变量 (针对每一 个 ， 是随机变量)； (2) 随机干扰项 的均值为0，即 (针对每一个 都成立)；——零均值 (3)随机干扰项 的方差为常数，即 (针对每一个 都成立) ；——同方差 三、知识点回顾 2、模型的基本（经典）假设 (4) 随机干扰项 不存在序列相关性，即 和 对应的随 机干扰项 和 之间是独立不相关的，即 (对任意 都成立， )；——序列不相关 (5) 随机干扰项 与解释变量 之间不相关，即 (对 都成立) ; (6) 随机干扰项 服从 0 均值，同方差的正态分布，即