第二章回顾.ppt

第二章回顾 总体回归模型（因果关系）、总体回归函数、随机误差变量、模型的假设； 样本回归模型、样本回归函数、残差； 最小二乘估计OLS、估计的性质、高斯 --马尔可夫定理（BLUE）、参数估计值、估计值标准差、回归标准差、残差平方和（Eviews)； 统计检验：拟合度检验、显著性检验 预测应用：点预测、区间预测 第三章 多元线性回归分析 第一节 多元线性模型的参数估计 第二节 多元线性模型的统计检验 第三节 多元线性模型预测 第四节 非线性模型的线性化 第一节 多元线性模型的参数估计 一般的多元线性计量经济模型: 其中，k为解释变量个数。被解释变量y与解释变量 之间都存在着线性随机关系 。即一个结果由多个原因来解释。 表示样本数据的顺序，n为样本容量。（3.1.1)实际上有n个方程。 多元线性回归模型的基本假设 1、随机误差项的均值为零 2、随机误差项各分量的方差相等（等方差） 3、随机误差项在不同样本点之间是独立的，不存在序列相关。即 4、随机误差项与解释变量之间不相关。即 5、解释变量 为确定性变量（非随机变量）。且 之间互不相关。 6、随机误差项服从正态分布。 ~ 多元线性模型参数OLS 对于模型(3.1.1)，可以写成另一种形式： 其中： 特征函数： OLS准则： 由上式推出的特征方程为： 矩阵形式： 其中 ，所以有 （3.1.3)相当于： 即： 所以有： 两边左乘 思考：k=1时，（3.1.5）能否成立？ 多元回归模型 OLS的特征 1、样本均值 落在回归直线上； 2、Y的理论估计值 的均值即为 ； 3、残差一阶和为0： 4、残差与解释变量不相关： 5、残差与y的理论预测值亦不相关： 将模型改为多元线性的参数估计 在本例中，前面已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。 多元回归模型高斯—马尔可夫定理 若多元线性模型满足计量经济基本假设（比一元模型多一个），则参数的最小二乘估计是最小方差的线性无偏估计。（BLUE） 高斯—马尔可夫定理的初步证明（与一元模型类似） 多元OLS下的统计推断 1、随机误差变量 的方差估计值 2、参数估计量 的样本方差 第二节 多元线性模型的统计检验 一、拟合度检验：定义判定系数 R2 修正的 检验(意义—避免多解释变量少样本数后可能的R2 虚高)： 二、显著性检验 1、方程显著性检验（F-检验） 统计量： 2、参数的显著性检验（t-检验） 统计量： 具体检验步骤同一元线性回归分析。 第三节 多元线性模型预测 问题的提出: 预测问题：给出解释变量的某个样本以外的值 ，求相应的被解释变量的预测值 。 点预测与区间预测。 一、 和 点预测(估计)值： 有结论：点预测值是 和 的无偏估计 二、多元模型的区间预测 1、点预测 的总体方差： 其中： 2、预测残差 的总体方差： 均值预测置信区间： 个值预测置信区间： 置信度：1- 第四节 非线性模型的线性化 所谓线性模型有二种线性范畴：1、模型形式是线性的；2、模型变量也是线性的（一次）； 一、非标准线性模型 的标准化 特征：有线性模型的形式，但变量非完全线性。 1.倒数变换模型： （令 ） 2.双对数模型： 3.半对数模型： （对数函数） （指数函数） 4.多项式模型： （令 ）  二、非线性模型的标准线性化 特征：变量与方程均非线性。 1、间接代换：如 作对数变换 有： ，可线性化。 2、不可线性模型的处理，如： 二种方法：a.泰勒展开近似取作多项式函数，再作线性变换；b.直接利用Eviews软件中的NLS估计法求参数估计值。 Dependent Variable 作业三: P87:1,3,4 补充练习:通过统计年鉴找出国家\地区