第二章经典单方程计量经济学.ppt

* 这些假设并不是所有的模型都应该具备的。 * 在重复抽样中Xi是固定的值：并不是抽取100个个体做样本进行一次抽样，而是对于第一个样本，假如收入是5000元，那么对此进行无数次重复抽样（即收入在5000元的情况下，消费每次不同（3000）它服从正态分布） * * 此假设不需要证明，只要模型设定是正确的，该假设就成立。 * 不能把所有样本的随机误差项求和再求平均，认为是零均值，就是错误的。 如果错误理解的话，那就不会存在异方差了。 μ1 有一个方差， μ2有一个方差，这两个方差是不同的，才叫异方差。 * （1）回归线通过样本均值：由教材P34中2.3.3第一式即可证明 * （3）可以利用这条性质检验计算是否准确。 （5）这条性质也可用来检查最小二乘法计算结果 * 最大似然原理的直观解释应该是通过结果，找到使这种结果出现可能性最大的原因情况 用于样本的参数估计 。其实这个原理用到了方程的思想，把未知当做已知代入因果关系 只是这个因果关系是概率的，而不是一般的等式 ，来求出这个未知。 就拿种群规模估计来说，这是最简单的一种，并且不完全代表极大似然估计，但是原理还是一样的. 第一次捕获m个个体，全部标记；第二次捕获n个个体，其中有q个有标记。那么估计总体样本大小为X， X/n m/q 通过这个方程可以解出X。 现实中，X的真值是客观存在的，而现在这样求出来的只是一个估计，偏差肯定是有的，只是这样估计出来的X，最方便于“解释实验结果”，这里可以看出“因果颠倒”的现象。 当被解释变量是正态分布时可采用最小二乘估计，但如果被解释变量不是正态分布，就要采用ML。 * OLS估计值是最佳线性无偏估计值，那就要知道是怎么样的最佳线性无偏估计值，即其概率分布是什么，因为概率分布说明了该值的均值与方差（标准差） * * 问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？ P43 * RSS归因于随机因素，因为并不是所有的真实观察值Y都落在拟合直线上。 估计参数 具体操作：使用EViews 软件包。估计结果： 假定模型中随机扰动满足基本假定，可用OLS法。 表示为 1. 可决系数： 模型整体上拟合好。 2. 系数显著性检验：给定 ，查 t 分布表， 在自由度为n-2 29时临界值为 因为 t 20.44023 说明“城镇人均可支配收入”对“城镇人均消费支出”有显著 影响。 3. 用P值检验 p 0.0000 模型检验 4. 经济意义检验 估计的解释变量的系数为0.758511，说明城镇居民人均可支配收入每增加1元，人均年消费支出平均将增加0.758511元。这符合经济理论对边际消费倾向的界定。 点预测： 西部地区的城市居民人均年可支配收入第一步争取达到1000美元 按现有汇率即人民币8270元 ，代入估计的模型得 第二步再争取达到1500美元 即人民币12405元 ，利用所估计的模型可预测这时城市居民可能达到的人均年消费支出水平 经济预测 平均值区间预测上下限： 区间预测 即是说： 平均值置信度95%的预测区间为（6393.03，6717.23）元。 平均值置信度95%的预测区间为（9292.33，10090.83）元。 个别值区间预测（略） 例2：奥肯定律：回归结果用于政策分析 奥肯曾根据美国1947-1960年的数据，得到如下回归结果，称为奥肯定律 Yt -0.4 Xt-2.5 其中：Yt 失业率的变动率（百分数） Xt 实际产出的增长率（百分数），用实际GDP度量 2.5＝美国长期产出增长率 奥肯定律表明，实际GDP增长每超过2.5%个百分点，失业率将降低0.4个百分点。 奥肯定律用来预测为了使失业率减少到某个目标水平，实际GDP增长率应该达到多少。因而，如果实际GDP的增长率为5%，则使失业率减少一个百分点。 例3：古董钟与拍卖价格 德国Triberg钟表公司每年都举行钟表拍卖会。 中标价格与钟表的年代有关——年代越古老，价格越高； 中标价格与投标人数有关——投标人越多（因为投标者越多，表明钟表越稀有），拍卖价格越高。 可得两个回归结果： Price -191.6662+10.4856Age Price 807.9501+54.5724Bidders 回归结果表明，拍卖价格与钟表的年代正相关，也与投标人数正相关。 第二章 小结 1.变量间的关系： 函数关系——相关关系 相关系数——对变量间线性相关程度的度量 2.现代意义的回归：一个被解释变量对若干个解释变量依存关系的研究 实质：由固定的解释变量去估计被解释变量的平均值 3.总体回归函数（PRF）：将总体被解释变量Y的条件均值表现为解释变量X 的某种函数 样本回归函数（SRF）：将被解释变量Y 的样本条