计量经济学复习资料新2.docVIP

计量经济学复习资料 第二章 一、总体回归函数（PRF） 。含义： 回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。 。 函数形式： 可以是线性或非线性的。 为一线性函数。其中，?0，?1是未知参数，称为回归系数 。 二、随机扰动项 1、 称Ui为观察值Yi围绕它的期望值E(Y|Xi)的离差，是一个不可观测的随机变量，又称为随机干扰项或随机误差项。 2、 称为总体回归函数（方程）PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 由于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。 三、样本回归函数（SRF） 样本回归函数也有如下的随机形式： 由于方程中引入了随机项，成为计量经济模型，因此也称为样本回归模型。 ▼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。 即，根据 估计 注意：这里PRF可能永远无法知道。 §2.2 一元线性回归模型的参数估计 单方程计量经济学模型分为两大类：线性模型和非线性模型 线性模型中，变量之间的关系呈线性关系 非线性模型中，变量之间的关系呈非线性关系 一元线性回归模型：只有一个解释变量 i=1,2,…,n Y为被解释变量，X为解释变量，?0与?1为待估参数，U为随机干扰项 一、线性回归模型的基本假设 假设1、解释变量X是确定性变量，不是随机变量； 假设2、随机误差项U具有零均值、同方差和不序列相关性： E(Ui)=0 i=1,2, …,n Var (Ui)=σ2 i=1,2, …,n Cov(Ui,Uj)=0 i≠j i,j= 1,2, …,n 假设3、随机误差项?与解释变量X之间不相关： Cov(Xi,Ui)=0 i=1,2, …,n 假设4、?服从零均值、同方差、零协方差的正态分布 Ui~N(0,σ2 ) i=1,2, …,n 注意 1、如果假设1、2满足，则假设3也满足; 2、如果假设4满足，则假设2也满足。 以上假设也称为线性回归模型的经典假设或高斯（Gauss）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 二、参数的普通最小二乘估计（OLS） 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. 普通最小二乘法给出的判断标准是：二者之差的平方和最小。 上述参数估计量可以写成： 称为OLS估计量的离差形式 由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量 顺便指出 ，记 则有 可得式也称为样本回归函数的离差形式 三、参数估计的最大或然法(ML) ?σ2的最小二乘估计量为 它是关于σ2的无偏估计量。 在最大或然估计法中， 因此，σ2的最大或然估计量不具无偏性，但却具有一致性。 四、高斯—马尔可夫定理(Gauss-Markov theorem) 在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。 普通最小二乘估计量称为最佳线性无偏估计量（BLUE） §2.3 一元线性回归模型的统计检验 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 总体平方和 回归平方和 残差平方和 1、TSS=ESS+RSS 2、可决系数R2统计量 称 R2 为（样本）可决系数/判定系数 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。 T检验 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a查t分布表，得临界值t ?/2(n-2) (4) 比较，判断 若|t|t a/2(n-2)，则拒绝H0 ，接受H1 ； 若|t|≦t a/2(n-2)，则拒绝H1 ，接受H0 ； 三、参数的置信区间 如果存在这样一个区间，称之为置信区间1-a称为置信系数（置信度），称为显著性水平；置信区间的端点称为置信限或临界值。 一元线性模型中，??i (i=1，2）的置信区间: (1-a)的置信度下, ??i的置信区间是 由于置信区间一定程度地给出了样本参数估计值与总体参数真值的“接近”程度，因此置信区间越小越好。要缩小置信区间，需 （1）增大样本容量n，（2）提高