经济计量方法论 第二讲.pptVIP

假定1-假定3保证了OLS估计量的一致性 因为： 分子： 假定1-假定3保证了OLS估计量的一致性 证明： 应用大数定律，分子分母分别收敛于总体的： 渐进偏误 5.1节 若x和u不相关，?为0，无渐进偏误 若x和u正相关，?为正偏误；反之为负偏误 渐进偏误，记为 ? 假定1-假定3保证了OLS估计量的无偏性 证明：（续）： 对y均值的预测： 虽然OLS是无偏的，但进一步还要了解它距真值的平均差距，即OLS统计量的方差 高斯-马尔科夫假定4：同方差性 OLS统计量的无偏性 误差方差 给定x条件下βx为非随机的 异方差 常数方差 假定4使OLS估计量的方差可以度量 因为： 所以： 自变量差异越大，OLS的方差越小，且取决于误差项的方差 OLS统计量的无偏性 估计误差项的方差σ2 虽然： ，但因无法观测u,无法计算σ 若以残差替代误差，有： 但因为残差还需要满足两个一阶条件，所以残差只有n-2个自由度： 于是得到OLS统计量的方差 回归标准误差 Standard error of the regression,SER OLS统计量的无偏性 高斯-马尔科夫定理 3.5节 在假定1至假定4下，各估计量分别是其真值的最优线性无偏估计 best linear unbiased estimator, BLUE 线性是指估计量是因变量和自变量的线性函数 意味：不需要再寻找其他无偏估计量，没有一个会比OLS更好 总之： 假定1-假定3：确保了估计量的无偏性 假定4：确保了估计量方差的可度量性和有效性，即： 高斯-马尔科夫定理 总体斜率参数的假设检验 问：为什么要对总体斜率参数进行假设检验 答：模型是建立在y与x的线性假设下的，需检验y与x的线性关系在总体上是否显著，进而判断选择线性模型的合理性 已知OLS统计量的期望和方差，如果知道其分布，便可对总体斜率参数进行假设检验 需增加假定 如何评价模型 假定5 4.1节 ：给定x条件下，误差u服从均值为0方差为?2的正态分布 意味：给定x条件下，y服从均值为E y 方差为?2的正态分布 假定1至假定5称为经典线性模型假定 classical linear model assumption ，该假定下的模型称为经典线性模型 CLM 说明：经典线性模型包括多元线性回归模型，其假设包含与多元有关的假设 后面讲 总体估计斜率参数的假设检验 经典线性模型假设下，给定x条件下，斜率参数的抽样分布为： 一元线性回归模型中，OLS统计量的方差Var ?1 ： 多元线性回归模型后面讲 于是，有： 因为：一元模型中的误差项的方差替代为： 所以： 说明：若假定5不满足，大样本下OLS估计量具有渐进性质，渐进服从上述分布 构造t统计量进行假设检验，零假设为斜率参数与0无显著差异 Sd和se的区别：前者为σ，后者为σ的估计值 拟合优度：x如何好地解释了y 涉及到残差的问题 如何评价模型 如果大部分的点落在回归线上，则拟合效果好，x较好地解释了y 残差不等同于误差： 残差的性质： 根据0LS一阶条件： 有： 有：拟合值与残差的样本协方差为0 两者之差的期望为零，但并不等同 残差性质下有：总平方和 解释平方和+残差平方和 如何评价模型 决定系数 coefficient of determination : 决定系数表明：y的变差中被x解释的部分，不大于1，越接近于1，拟合优度越高 如何评价模型 问：在社会经济问题研究中 高斯-马尔科夫假定哪些不易满足？ 无法满足带来的问题是什么？ 无法满足时应如何处理？ 答： 假定： 不易满足;导致估计量是有偏估计；处理方法：控制其他因素，建立多元回归模型 假定： 不易满足 异方差 ，μi的分布与x的取值有关（例：收入与消费关系）;不影响参数估计的无偏性,但无法计算OLS统计量的抽样方差，参数显著性检验失效；处理方法：加权最小二乘 第二讲 简单截面数据 的经济计量方法 一 线性回归分析是简单截面数据经济计量的基本方法 主要内容： 一元线性回归模型 何为线性模型 模型参数的含义 模型参数的估计和前提假设 调查 主要内容 在自变量和因变量具有统计关系的线性假设下 一元线性回归模型 简单线性回归模型 问题： 为什么需要统计关系的线性假设？ ?是什么？ 参数说明了什么？ 一元线性回归模型 例：y是支出、x是收入 变量间统计关系的线性假设下选择线性模型 线性的理解： 第一:y是x的线性函数 第二:y与系数是线性关系 线性回归研究以参数线性，而非以x为线性 变量之间的非线性关系转化为线性关系 样本体现的变量之间的线性关系在总体中是否显著，是需要检验的 t检验和F检验 为什么需统计关系的线性假设 Y与x之间非线性 Y与β1之间非线性 变量间统