《计量经济学课件》第二章：简单回归模型.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 关于无偏性的一个总结 b1 和 b0 的OLS估计是无偏的，如果 无偏性的证明依赖于前述4个假设，若任何一个假设不满足，OLS的无偏性一般也不成立。 无偏性是对参数估计值的无偏性：给定一个样本，参数估计值与真实的总体参数或远或近。 当u包含了影响y同时又与x相关的因素，简单回归将导致虚假相关（spurious correlation）. * 计量经济学导论 刘愿 例子2.12 学生数学成绩和学校免费午餐计划 math10：10分制考试中及格学生的比例 lnchprg : 符合资格享受免费午餐计划的学生的比例 * 计量经济学导论 刘愿 OLS估计值的方差 参数估计值的样本分布是以真实总体参数为中心的。 了解这个分布的分散程度是很重要的。 增加一个假设条件，更容易了解这个方差的性质： Assumption SLR.5: Var(u|x) = s2 （同方差假设） * 计量经济学导论 刘愿 OLS方差（续） Var(u|x) = E(u2|x)-[E(u|x)]2 E(u|x) = 0, so s2 = E(u2|x) = E(u2) = Var(u) s2 是无条件方差，称为误差方差。 s称为误差标准差。 E(y|x)=b0 + b1x ：给定x, y的条件期望是x的线性函数； Var(y|x) = s2 意味着：给定x，y的方差是一个常数。 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 如Var(u|x) 依赖于x, 误差项显示出异质性。 既然Var(u|x)=Var(y|x), 当Var(y|x) 是x的一个函数，误差项存在异质性。 例子：工资方程中异方差性 工资依赖于教育水平。但教育水平越高，工资的变异性越大，反之亦然。 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 OLS方差（续） * 计量经济学导论 刘愿 证明: * 计量经济学导论 刘愿 关于OLS方差的小结 误差方差s2越大，斜率估计值的方差越大。 xi 的变异性越大，斜率估计值的方差越小。 因此，增加样本容量可以减少斜率参数估计值得方差。 问题是，误差项的方差是未知的。 * 计量经济学导论 刘愿 The proof can be seen at Li Zinai,2009, p.37. * 计量经济学导论 刘愿 估计误差方差 因为无法观测误差项ui，所以我们无法知道误差项方差s2。 我们能够观测的是残差项?i。 我们可以用残差项来估计误差方差。 * 计量经济学导论 刘愿 误差方差估计（续） * 计量经济学导论 刘愿 无偏估计量，但不真实， 因为我们观察不到ui 用OLS残差代替误差，有偏误但真实，因未考虑OLS残差满足的两个限制条件 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 误差方差估计（续） * 计量经济学导论 刘愿 过原点回归 * * * * * * * * * * * * * See page 623 in Chinese Edition. * 计量经济学导论 刘愿 OLS斜率估计值的相关总结 斜率估计值等于x和y之间的样本协方差除以x的样本方差。 斜率估计值的符号取决于x和y的正负相关性：x和y正相关，斜率估计值为正；x和y负相关，斜率估计值为负。 得到斜率估计值的必要条件是，x在样本中是有变异的。 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 OLS通过样本点来拟合曲线，使得残差平方和尽可能小，故称为“最小二乘”法。 残差?是误差项u的估计值, 等于实际观察值与拟合值（样本回归函数）之差。 * 计量经济学导论 刘愿 拟合值和残差 . . . . y4 y1 y2 y3 x1 x2 x3 x4 } } { { ?1 ?2 ?3 ?4 x y * 计量经济学导论 刘愿 推导的另一思路 根据拟合曲线的直观思想，我们可以通过建立最小化问题，即我们选择可使残差平方和最小化的参数： * 计量经济学导论 刘愿 推导的另一思路（续） 利用微积分优化，我们可得到OLS估计值的一阶条件： * 计量经济学导论 刘愿 例子 2.3 CEO 薪酬和股本回报率 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 2.3 OLS的操作技巧 拟合值和残差 * 计量经济学导论 刘愿 * 计量经济学导论 刘愿 OLS的代数性质 OLS残差之和等于零。 OLS残差的样本均值为零。 x与? 的样本协方差为零。 OLS回归线总是通过样本均值： 点