计量经济学一元线性回归分析报告.pptVIP

计量经济学 Lecturer： 王振宏 Email: wdwzhong@126.com mobile: Office Address： 北7-1203D 1两变量线性回归模型2两变量线性回归参数估计3最小二乘估计量的性质4回归拟合度评价和决定系数5统计推断6预测 引言 本章介绍古典线性回归分析中的两变量线性回归（一元线性回归），包括两变量线性回归模型，两变量线性回归分析思路及其参数估计方法，最小二层估计量的性质，以及基于参数估计的检验推断和预测分析方法等。 古典线性回归分析三个基本特征 分析框架是“古典框架”，认为经济变量之间存在确定的函数关系，计量经济分析就是发现或推断这种关系； 分析方法主要是对因果关系的回归分析； 需要确定的参数是线性模型中的线性参数，即线性函数的系数。 学习两变量线性回归分析的原因： 1、两个变量之间的线性因果关系在现实经济中相当普遍。 2、虽然许多经济问题涉及到多变量关系或不是线性的，但多变量关系与两变量线性关系分析方法相似，非线性关系多数可转化为线性关系，因此先讨论两变量线性回归有方便之处。 3、两变量线性回归分析的原理和方法，正是所有计量经济分析的基本原理和方法，对理解计量经济分析的思想方法，进一步学习各种复杂的计量经济分析技术有很大帮助。 第一节 两变量线性回归模型 两个问题： 一、模型的建立 二、模型的假设 一、模型的建立 变量和函数式 变量关系的随机性 变量和函数式 两变量线性因果关系：Y = ? + ? X Y——被解释变量 X——解释变量 ?、?——待定参数 1、例子： 上海经济消费函数研究 P66； C = f (Y ) = ? +? Y， 科布—道格拉斯生产函数 P68； 2、模型根据： （1）研究问题的需要（GDP、增长率、入WTO对 行业冲击、就业等）； （2）经济理论和观点； （3）数据分布、散点图（数据是规律的表现形式、信息载体）； （4）非线性函数和线性变换。 变量关系的随机性 1、在经济问题中精确的因果关系实际上是不存在的。因为： 人类经济行为本身的随机性； 忽略的其他众多因素的影响； 忽略的高阶项（非线性项）； 非实验数据。 2、正确的计量经济模型应该是随机模型： Y = ? + ? X + ? ?的含义及重要性： 二、模型的假设 1、建立的模型合理吗？如何判断及判断的标准。 2、计量分析的方法，特定的方法适用的模型是有 条件的，因此必须对模型先作限定。 3、六条假设* （1）变量间存在随机函数关系Y=? +? X +? （2）误差项均值为0。 （3）误差序列同方差。 （4）误差序列不相关。 （5）X是确定性的，非随机变量。 （6）误差项服从正态分布。 第二节 两变量线性回归参数估计 一、最小二乘估计（消费函数的例子） 二、最大似然估计和矩估计 一、最小二乘估计 一元线性模型：Y=? +? X +? 一组观测值：(Xi, Yi) (i=1,2,…,n) 一元回归直线： Y=a+bX 核心： 最小化 参数估计值 二、最大似然估计和矩估计 最大似然估计 矩估计 第三节 最小二乘估计的性质 一、线性性 二、无偏性 三、最小方差性（有效性） 四、一致性 一、线性性： 参数估计量可以表示为被解释变量观测值的线性组合。 意义：参数估计量与被解释变量服从相同类型的分布，与误差项服从相同的分布。 证明只要把参数估计量表达式作适当的变形即可。 两个线性组合表达式对于其他性质的分析等还有作用。 b 二、无偏性（unbiased）： 定义：参数估计量的均值就是真实值： 意义：参数估计量是以参数真实值为分布中心的随机变量，反复抽样估计可得真实值。这是重要的分布性质，是推断分析的基础。 利用线性性表达和模型假设证明。 无偏性证明 三、最小方差性（有效性）： 最小方差性也称为有效性。 定义（高斯——马尔可夫定理）：在模型参数所有的线性无偏估计量中，最小二乘估计量的方差最小。 方差小是对参数估计量价值的重要支持。 证明的思想：设参数的任意其他线性无偏估计，证明它们的方差大于最小二乘估计。 同时得到最小二乘估计方差公式，也有重要意义。 b的方差： a的方差： 最小方差线性无偏估计 ——最优线性无偏估计（BLUE） 四、一致估计： 定义：参数估计量的概率极限等于参数真实值。 意义：属于大样本性质。保证增加样本容量可以逼近参数真实值。 最小二乘估计在模型假设下是一致估计。 证明利用参数估计的方差极限为0和切比雪