EVIEWS第二章复习要点.docVIP

第二章经典单方程计量经济学模型：一元线性回归模型 复习总结 2.1回归分析概述 2、回归分析的基本概念 二、总体回归函数 总体回归线：在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线（population regression curve）。 总体回归函数（population regression function, PRF） 三、随机扰动项 称(i为观察值Yi围绕它的期望值E(Y|Xi)的离差（deviation），是一个不可观测的随机变量，又称为随机干扰项（stochastic disturbance）或随机误差项（stochastic error） 总体回归函数（方程）PRF的随机设定形式。方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。 随机误差项主要包括下列因素的影响 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设定误差的影响； 4）其它随机因素的影响。 四、样本回归函数（SRF） 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sample regression lines）。 样本回归线的函数形式为 称为样本回归函数（sample regression function，SRF） 样本残差： 此节要点： PRL、PRF、PRM SRL、SRF、SRM 随机扰动项、样本残差 要求：每个概念，与图形的对应 2.2一元线性回归模型的参数估计 一、线性回归模型的基本假设1-6 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：二者之差的平方和最小 求正规方程组 离差形式 极大似然的基本原理 四、最小二乘估计量的性质 小样本性质：线性、无偏、有效的证明（重要） 大样本或渐近性质 估计量的标准差 牢记：由于随机项(i不可观测，只能从(i的估计——残差ei出发，对总体方差进行估计。 它是关于(2的无偏估计量 的样本方差： 的样本标准差： 的样本方差： 的样本标准差： 2.3 一元线性回归模型的统计检验 拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。 度量拟合优度的指标：判定系数（可决系数）R2 总体平方和（Total Sum of Squares） 回归平方和（Explained Sum of Squares） 残差平方和（Residual Sum of Squares ） TSS=ESS+RSS 拟合优度：回归平方和ESS/Y的总离差TSS 二、变量的显著性检验 由于真实的未知，在用它的无偏估计量替代时，可构造如下统计量 检验步骤： （1）对总体参数提出假设 H0： (1=0， H1：(1(0 （2）以原假设H0构造t统计量，并由样本计算其值 （3）给定显著性水平(，查t分布表，得临界值t (/2(n-2) (4) 比较，判断 若 |t| t (/2(n-2)，则拒绝H0 ，接受H1 ； 若 |t|( t (/2(n-2)，则拒绝H1 ，接受H0 ； 对于一元线性回归方程中的(0，可构造如下t统计量进行显著性检验： 三、参数的置信区间 得到:(1-()的置信度下, (i的置信区间是 2.4 一元线性回归分析的应用：预测问题 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 对总体回归函数E(Y|X=X0)=(0+(1X，X=X0时 E(Y|X=X0)=(0+(1X0 通过样本回归函数，求得的拟合值为 于是 可见，?0是条件均值E(Y|X=X0)的无偏估计。 在1-(的置信度下，总体均值E(Y|X0)的置信区间为 在1-(的置信度下， Y0的置信区间为 因为，所以在实际计算中，特别是EVIEWS中用，所以有 此复习资料中没给出的证明，将在课堂再次证明！！！ 请认真复习 [请输入文档摘要。摘要通常是对文档内容的简短总结。请输入文档摘要。摘要通常是对文档内容的简短总结。] [请输入文档标题] [请输入文档副标题]