第二章经典单方程计量经济学选编.ppt

第二章经典单方程计量经济学模型：一元线性回归模型;从这里开始;一元线性回归模型;第一节 回归分析与回归函数;一、相关分析与回归分析;1.经济变量的相互关系;经济变量的相互关系;举例说明;变量相互关系的描述;变量间相互关系的分类;变量间相互关系的分类;2.简单线性相关关系的度量;（1）相关系数;ρ是未知量，无法计算出;（2）相关系数的特点;（1） r(X,Y)=r(Y，X) （2）相关系数只能反映变量间的线性相关程度，不能说明非线性相关关系，不线性相关并不意味着不相关 （3）相关系数只反映线性相关关系，不能说明因果关系，有线性相关并不意味着有一定的因果关系 （4）r(X,Y)是对总体相关系数ρ的估计，因为样本的抽取不同，r也会不同，所以样本相关系数不是确定的值，而是随着抽样而变动的随机变量，因此，对它还要进一步的检验。;3.回归分析;（1）什么是回归; 但从他们的研究结果来看，并非高的越长越高，矮的越长越矮（父母身高增加一个单位，而Y仅增加0.516个单位）。高个子父母的子女身高有低于其父母身高的趋势，而矮个子父母的子女身高有高于其父母身高的趋势，结论：父母所生子女有回归于人类平均身高的趋势，故某人种的平均身高是相当稳定的。 Gallton把这种孩子的身高向中间值靠近的趋势称之为一种回归效应，而他发展的研究两个数值变量的方法称为回归分析。;回归的定义;（2）回归分析与相关分析的关系;从对变量的处理看;统计依赖关系;（3）回归分析的主要内容（P24）;;(2)Y的条件期望 对于X的每一个取值，对Y所形成的分布确定其期望或均值，称为Y的条件期望或条件均值;; 回归函数：应变量Y的条件期望E(Y|Xi)随解释变量X的的变化而有规律的变化，如果把Y的条件期望E(Y|Xi)表现为X的某种函数.;2.举例;;; 此直线称为总体回归函数曲线，其线性形式为： E(Y|Xi) =β0+β1Xi ;;（1）总体回归函数的概念 前提：假如已知所研究的经济现象的总体因变量Y和解释变量X的每个观测值, 可以计算出总体应变量Y的条件均值E(Y|Xi) ，并将其表现为解释变量X的某种函数;（2）总体回归曲线的几何意义 ;A:条件均值表现形式 假如Y的条件均值E(Y|Xi)是解释变量X的线性函数，可表示为：;; 实际的经济研究中总体回归函数通常是未知的，只能根据经济理论和实践经验去设定。“计量”的目的就是寻求PRF。 总体回归函数中Y与X的关系可是线性的，也可是非线性的。;补充：关于“线性”的解释;关于“线性”的解释;关于“线性”的判断;三、随机干扰项; 例中，给定收入水平Xi ，个别家庭的支出可表示为两部分之和： 一部分是该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性或确定性部分；另一部分是随机或非确定性部分?i。; 关于?i;在总体回归函数中引入?i 的原因（P27）;注意：随机干扰项与随机误差项;;1.样本回归线与样本回归函数;SRF 的特点; 对样本回归的理解; 样本回归函数与总体回归函数的关系; ;回归分析的目的;回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。;第二节  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;基本假设;1.对变量和模型的假设;2.对随机干扰项μi的假定;当零均值假设成立时;零均值假设;假定2：同方差假定;假定3：序列不相关假定;假定4：随机干扰项μi与解释变量Xi不相关;假定5：对随机干扰项分布的正态性假定;对μi正态分布的错误理解;举例：以消费函数为例 消费Y＝α+β*收入X+ μi ; 以上假设也称为线性回归模型的经典假设或高斯假设，满足该假设的线性回归模型，也称为经典线性回归模型。（P32）;二、普通最小二乘法OLS;OLS的基本思想; 为什么取 最小;2.求出待估参数;正规方程及求解;3.用离差表现的OLS估计式;4.“估计量”和“估计值” 的区别;5.OLS回归线的性质;OLS回归线的性质 （3）剩余项 的均值为零 （4）应变量估计值 与剩余项 不相关;三、最大似然法ML;四、最小二乘估计量的性质;1.参数估计式的评价标准; 当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质（P38）(asymptotic properties) 渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值； 一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值； 渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。;（1）线性性;（2）无偏性;估计值;（