第2章经典单方程计量经济学模型(一元)课程.pptVIP

第二章 经典单方程计量经济学模型：一元线性回归模型 回归分析概述 一元线性回归模型的参数估计 一元线性回归模型检验 §2.1 回归分析概述 （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。 ? 回归的意义 “回归”一词，最早来源于生物学 例：F-加尔顿：父母与子女的身高关系 例：一个社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 描出散点图发现：随着收入的增加，消费“平均地说”也在增加，其趋势近似于一条直线。 家庭消费支出Y与家庭可支配收入X的散点图 ·根据散点图，从几何上应可以找到一条曲线拟合这些散点，称Y对X的回归。 ·曲线的方程称回归方程。 ·用以近似地描述具有相关关系的变量间联系的函数称为回归函数。 ? 回归分析(regression analysis)是研究某一随机变量 (被解释变量，因变量)与其他一个或几个普通变量(解释变量，自变量 )之间的数量变动关系形式的统计分析方法。它是在肯定变量有关的情况下, 从变量对应的实际数据出发，确定这些变量间的定量关系式, 即拟合出一个回归方程, 并利用所求得的关系式进行估计和预测。 §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、最小二乘法的性质 ? 总变异的分解 二、参数的普通最小二乘估计（OLS） Ordinary least squares 给定一组样本观测值（Xi, Yi）（i=1,2,…n）要求样本回归函数尽可能好地拟合这组值。 模型： 回归直线： 令： 科研支出与利润计算表 三、最小二乘法的性质 1、参数的意义 3、OLS估计量的性质 §2.3 一元线性回归模型的统计检验 一、回归模型的方差分析 二、拟合优度检验 三、变量的显著性检验 一、回归模型的方差分析 因变量的总变异 方差分析表： 意义： 回归平方和与误差平方和谁起主导作用 即：自变量对因变量的影响是否显著 二、拟合优度检验 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 利用例2.1的数据， 二、变量的显著性检验（ t检验） 回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。 一元线性模型：判断X是否对Y具有显著的线性性影响。 或者说：有95%（1-α）的可能性 来源 回归 总计 平方和SS 自由度 均方数MS ESS TSS 误差 RSS K N-K-1 N-1 ESS/K RSS/（N-K-1） N：观察次数，K+1为总体参数的数目（含常数项），K为自变量个数 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？ Y的观测值围绕其均值的总离差(total variation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。 在给定样本中，TSS不变， 如果实际观测点离样本回归线越近，则ESS在TSS中占的比重越大，因此 拟合优度： 称 R2 为（样本）可决系数/判定系数（coefficient of determination)。 可决系数的取值范围：[0，1] R2越接近1，说明实际观测点离样本线越近，拟合优度越高。 对时间数列，R2的值在0.8、0.9以上很正常，如果是截面数据， R2为0.4、0.5也不能算低，应用中不必过分苛求，重要的是考察模型的经济关系是否合理。 意义： ESS占TSS的比重， 自变量对因变量的解释程度。 说明：科研支出对利润的解释程度 为82.6% 计量经济学中，主要是对变量的参数进行显著性检验。 ——t检验 变量的显著性检验 假设检验 检验目的：检验真实参数是否可能为零，即判断相应的自变量是否起解释因变量的作用。 已知： * * 1、变量间的关系 经济变量之间的关系，大体可分为两类： 例如： 函数关系： 统计依赖关系/统计相关关系： 对变量间相关关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的。 相关分析和回归分析的联系和区别。 2、回归分析的基本概念 单