计量经济学第二章简单线性回归.pptVIP

回归系数的Monte Carlo模拟(R) x-c(9.7,10.1,10.0,10.4,10.1,10.2,9.7,10.4,9.6,9.8) b1-numeric(2000) set.seed(20) for(i in 1:2000){ y-2+5*x+rnorm(10,0,5) b1[i]-coef(lm(y~x))[[2]]} hist(b1) mean(b1);sd(b1) sqrt(25/sum((x-mean(x))^2))# require(tseries) jarque.bera.test(b1)#正态性检验 回归系数的Monte Carlo模拟(Gretl) nulldata 10 set seed 2012 loop 2000 --progressive --quiet series x={9.7,10.1,10.0,10.4,10.1,10.2,9.7,10.4,9.6,9.8} genr y1 = 2 + 5*x + 5*normal() ols y1 const x genr b2 = $coeff(x) print b2 store d:\coeff.gdt b2 endloop open d:\coeff.gdt normtest b2 --jbera 教材案例分析程序 create a 1991 2003 read F:\Econometrics13\zdata\P25.xls x y group gr1 x y freeze gr1.scat scalar r=@cor(x,y) equation eq1.ls y c x scalar n=eq1.@regobs scalar k=eq1.@ncoef scalar tstat=r*@sqrt(n-2)/@sqrt(1-r^2) genr P=1- @ctdist(tstat,(n-2)) show P show eq1 pagestruct(end=@last+1) * expand 1991 2004 x(n+1)=2300 eq1.forecast yf y_se group gr2 y yf freeze gr2.plot genr ypl=yf(n)-@qtdist(0.975,n-k)*y_se(n) genr ypu=yf(n)+@qtdist(0.975,n-k)*y_se(n) genr ycu=yf(n)+@qtdist(0.975,n-k)*@sqrt(y_se(n)^2-@se^2) genr ycl=yf(n)-@qtdist(0.975,n-k)*@sqrt(y_se(n)^2-@se^2) 假设2004年收入2300 show @coefs(2) show @stderr(2) genr beta1l=@coefs(2)-@qtdist(0.975,n-k)*@stderr(2) genr beta1u=@coefs(2)+@qtdist(0.975,n-k)*@stderr(2) genr yf1=yf(n) group P25 yf1 ypl ypu ycl ycu show P25 作业 P.29 5 * * * OLS估计的特性 OLS估计的特性 OLS估计量是最优线性无偏估计量(BLUE) 该特性也称为高斯-马尔科夫定理 Best, Linear, Unbiased, Estimator 一致性是指随着样本容量趋于无穷，估计量值接近真实值。 OLS估计量具有无偏性、有效性和一致性 线性 都是关于Y的线性函数 无偏性 注： 因此 有效性 估计量 的方差 协方差 有效性 满足高斯马尔柯夫条件时，OLS估计是最优线性无偏的 (Best Linear Unbiased Estimator, BLUE) 高斯-马尔柯夫条件 有效性 预测 预测 建立模型的主要目的之一是为了预测。 1)、点预测 平均值 个别值 为个别值预测误差 预测(续) 2)、预测的置信区间 均值预测的置信区间 个别值预测的置信区间 注：离开 越远的估计(或预测)，其结果也就越不 可靠。 置信区间、预测区间、回归方程 Y X 预测上限 置信上限 预测下限 置信下限 预测评价 均方误的平方根 (RMSE，root mean squared error) 平均绝对值误差 (MAE,mean absolute error) 西尔不相等系数 (Theil’s inequality coefficient) 是预测期数 值在0，1之间，等于1则说明模型预测能力最差 模型应用及相关软件操作 案例分析 估计保健支出和收入之间的关系。 数据data22.xls Eviews操作简介 界面 数据输入(键盘输入) File