计量经济学2教材.ppt

Chapter2 The Simple Regression Model 2.1 Definition of the Simple Regression Model 2.2 Ordinary Least Squares (OLS) 2.3 Properties of OLS on Any Sample of Data 2.4 Units of Measurement and Functional Form 2.5 Expected Values and Variances of the OLS Estimators 2.6 Regression through the Origin 2.1 Definition of the Simple Regression Model 变量间的关系 （1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 ▲注意： 回归分析的基本概念 2.1.1 Some Terminology 如果我们假设其他因素保持不变，则 的变化为0. 即， 那么， ：斜率参数； ：截距参数 随机误差项主要包括下列因素的影响： Example1：A Simple Wage Equation 2.1.2 A Simple Assumption 1、关于u的假定（非限制性假定） Why is not a restrictive assumption？ A Simple Assumption 2. 零条件均值假定： Questions： 假定期末考试的分数(score)决定于出勤率(attend)和影响考试成绩的其他非观测因素： 那么这个模型能满足零条件均值假定吗？ Example1（continue） 2.1.3 population regression function （PRF） 根据零条件均值假定，有： ▲分析： ▲概念： E(y|x) as a linear function of x, where for any x the distribution of y is centered about E(y|x) 2.1.4样本回归函数（SRF） 2.2 Ordinary Least Squares (OLS)2.2.1 普通最小二乘法的推导 线性回归模型的基本假设 参数的普通最小二乘估计(OLS) 对于参数的估计值，我们希望它们尽可能的接近真实值。换言之，希望y的拟合值和它的实际值之间的差异尽可能的小，则： 一阶导数为0，二阶导数大于0. 一阶条件： 可得： 2.2.2 小结 2.2.3 例子 Example 2: CEO Salary and Return on Equity 计量模型： 2.3 Properties of OLS on Any Sample of Data 2.3.1 Algebraic Properties of OLS Statistics (1) OLS 残差和为零，因而由此得到的残差的平均值也为零. 证明：回忆OLS的一个一阶条件 (2) 自变量和OLS残差的样本协方差为0. 证明：因为E（ ）=0 COV（X， ）=E([X-E(X)][ -E( )])=E（X ） 回忆OLS的另一个一阶条件 (3)点 总是在OLS的回归线上： 证明：因为 那么 所以 （4）拟合值的样本平均值与观测值的样本平均值相等： （5）拟合值和残差的样本协方差为0 2.3.2 更多术语 y 的总体变异可以表示为解释变异和未解释变异之和，即， 证明： 2.3.3 Goodness-of-Fit 如何衡量自变量x究竟多好的解释了因变量y；或者说如何衡量样本回归线是否很好地拟合了样本数据？ 假定SST不为0。 可决系数是一个随机变量 Example 2 （continue） 2.4 Units of Measurement and Functional Form 理解改变因变量和/或自变量单位，将如何影响OLS估计值； 了解如何把在经济学中使用的总体函数形式加入到回归分析中。 2.4.1The Effects of Changing Units of Measurement on OLS Statistics Example 2 （continue） 如果净资产收益率以小数来表示，即令roed= roe/100, salary的单位仍为千美元。那么salary对roed回归，得到 （i）如果因变量与自变量分别乘以非零常数c1、c2