李子奈第三章 经典单方程计量经济学模型.pptVIP

课件 第三章 经典单方程计量经济学模型：多元回归 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 回归模型的其他形式 回归模型的参数约束 §3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： 二、多元线性回归模型的基本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。 假设2，随机误差项具有零均值、同方差及不序列相关性 假定1: 无多重共线性假定 (多元中增加的) 假定各解释变量之间不存在线性关系； 或 各个解释变量观测值之间线性无关； 或 解释变量观测值矩阵X列满秩(K列)。 正确理解：不存在精确的线性关系，但可以存在非线性关系。 也即：不存在一组不全为0的数 满足： §3.2 多元线性回归模型的估计 估计方法：OLS、ML或者MM 一、普通最小二乘估计 对于随机抽取的n组观测值 因为样本回归函数为 两边乘 因为 则正规方程为 *二、最大或然估计 对于多元线性回归模型 *三、矩估计（Moment Method, MM） OLS估计是通过得到一个关于参数估计值的正规方程组 四、参数估计量的性质 在满足基本假设的情况下，其结构参数?的普通最小二乘估计、最大或然估计及矩估计仍具有： 线性性、无偏性、有效性 五、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 1、方差分析 在讨论可决系数时已经分析了总变差TSS的分解及自由度： TSS=ESS+RSS Y的样本方差为: 总变差/自由度 即 显然，Y的样本方差也可分解为两部分，可用方差分析表分解 总变差 TSS= 自由度 n－1 模型解释了的变差 ESS= 自由度 k－1剩余变差 RSS= 自由度 n－k 变差来源 平方和 自由度 方差 归于回归模型 ESS= k－1 ESS/(k－1) 归于剩余 RSS= n－k RSS/(n－k) 总变差 TSS= n－1 TSS/(n－1) 目的： 在多元回归中，分别检验当其他解释变量保持不变时，各个解释变量X对应变量Y是否有显著影响。 统计量t为： 按（***）式估计 按（****）式估计 四、非线性约束 说明 非线性约束检验是建立在最大似然原理基础上的。主要的检验： 最大似然比检验（likelihood ratio test, LR） 沃尔德检验（Wald test, W） 拉格朗日乘数检验（Lagrange multiplier test, LM） 它们的共同特点是：在大样本下，以共同的检验为基础，而自由度就是约束条件的个数。 本节不作为教学内容，供有兴趣的同学自学。 课件 ⒍例题 例3.5.1 建立中国城镇居民食品消费需求函数模型。 线性估计 课件 线性估计 课件 讨论 一般情况下，线性化估计和非线性估计结果差异不大。如果差异较大，在确认非线性估计结果为总体最小时，应该怀疑和检验线性模型。 非线性估计确实存在局部极小问题。 根据参数的经济意义和数值范围选取迭代初值。 NLS估计的异方差和序列相关问题。 NLS不能直接处理。 应用最大似然估计。 课件 §3.6 受约束回归 Restricted Regression 一、模型参数的线性约