第2讲简单回归模型教程.pptx

第二章：简单回归模型;第一节 简单回归模型的定义;2.回归分析的条件：; 在上述式子中，只有一个非常数回归元，我们称之为简单的回归模型、两变量回归模型或者双变量回归模型。 ;2.线性模型的含义：; 计量经济学中，线性回归模型主要指就参数而言是“线性”的,线性模型并不要求变量之间一定是线性关系，只要可以通过转换使得两个变量的转换形式之间存在相对于参数的线性关系，就可以认定这个模型为线性模型。 ;几种常用的线性形式;3.可能影响随机误差项的因素：;4. 例子：; 这个简单的工资函数描述了受教育年限和工资水平之间的关系，其中参数β1衡量了在其他条件不变的情况下，多接受一年教育，工资可以增加的额度。;三、关于简单回归模型的基本假定;三个假定： u与X独立 u的均值独立于X（均值独立性） u与X不相关;四、总体回归函数和样本回归函数;;;2.样本回归函数(sample regression function, SRF);17;3）样本回归函数的特点;3.总体回归函数与样本回归函数之间的关系;总体回归函数;第二节 普通最小二乘法（OLS）的推导;2. OLS的推导;23;24;普通最小二乘（ordinary least square, OLS ）估计量;进一步的分析;拟合值（fitted value）、残差（residual）和样本回归函数（SRF）;3. OLS的推导另一种方法;4. OLS的手工计算步骤;例题2-1（课本例2.3 P32） salary: CEO的薪水 roe：公司的股本回报率;对估计量的解释;二、OLS统计量的代数特征（见教材P37）;3. OLS回归线总是通过样本均值。;第三节 拟合优度(goodness of fitness);2. 解释平方和（ SSE ）：度量了y的预测值在样本中的变动，即衡量了被解释变量的样本总变异能够被解释变量解释的部分。;SST=SSE+SSR;X; 为了衡量根据OLS估计得出的样本回归函数对真实数据的拟合程度，也就是说解释变量究竟能够在多大程度上解释被解释变量，计量经济学引入了拟合优度的概念。; 判定系数 相关系数 就模型而言 就两个变量而言 说明解释变量对因变 说明两变量线性依存程度 量的解释程度 度量的不对称的因果关系 度量的对称的相关关系 取值 0≦ ≦1 取值 -1≦r≦1 有非负性 可正可负;注意：判定系数并不是判断模型好坏的主要标准！;5. 拟合优度的手工计算步骤;第四节 测量单位和函数形式; salary（千美元）， roe（%）; salary（美元）， roe（%）; salary（千美元）， roe（%）;二、在简单回归中加入非线性因素; 线性关系并不适合所有的经济学运用，如果对解释变量或被解释变量进行某种形式的函数变换，不会改变模型的参数线性性，从而能够利用简单的回归模型非常容易地处理许多y和x之间的非线性关系，并且会使得模型的经济意义更为合理。我们讨论三种常用的函数形式： 对数-水平模型（log-level） 对数-对数模型（log-log） 水平-对数模型（level-log）;对数-水平模型（不变增长率模型）;对数-水平模型：工资模型;以例2.4为例：; 其他条件都不变，仅仅改变被解释变量的形式，将wage的对数形式作为被解释变量，结果如下：;对数-对数模型（常弹性模型）;对数-对数模型：需求价格弹性;用例2.3中的数据，做CEO薪水和销售额之间的回归：;55;用统计年鉴中的数据，做1990~2009年期间我国GDP水平和货币供给M2之间的回归：GDP：亿元；M2：亿元;第五节 OLS估计量的期望值和方差;简单回归模型的高斯-马尔科夫假定：;OLS估计量的无偏性; 保证OLS估计量无偏性的四个假定中，零条件均值假定可能是最难被满足的，在今后的学习中我们将反复讨论这个问题。;OLS估计量的方差;因此， 也是无条件方差，被称为误差方差，误差方差的平