第三章回归分析基本方法：最小二乘法.pptVIP

* （1）OLS残差的平方和最小。 数学表述为： OLS估计量的代数性质 OLS估计值是以使残差和为零的参数估计值来选择的。 即OLS的一阶条件 我们试图找到这样一条直线，它到每一实际落点的距离的总和为最小。 由于实际落点到直线的距离有正也有负值，即误差有正值和负值，我们用误差项的平方值来测定其绝对距离。 所以我们可以通过全微分来求极值。 * 中山大学南方学院经济系 * 我们得出： 设一阶导数为零，可得： * 中山大学南方学院经济系 * * 中山大学南方学院经济系 * 然后我们再求二阶偏导： 由于二阶偏导大于零，所以我们确信这种所求的结果是最小值。这就是最小二乘法。 * 中山大学南方学院经济系 * 一元线性回归模型的假设条件 * 中山大学南方学院经济系 * 1. X与Y之间的关系是线性的。 2. X是非随机的变量，它的值是确定的。 3. 误差项的期望为0：E(εi ) = 0。 4. 对于所有观测值，误差项具有相同的方差，即E(ε2) = σ2——同方差假定 5. 随机变量εi 之间统计上是独立的，因此对所有的i≠j，E(εi εj) = 0—无序列相关假定 6. 误差项服从正态分布。 假设1—5：古典线性回归模型的定义 第四节 最小二乘法实用实例 计量经济的回归分析主要是根据经济理论的数学模型和实际的经济数据来计算出符合实际的、可应用经济分析的参数方程。 例如：我们估算某个地区的消费函数。根据经济理论，人们的消费额取决于他们的收入，也就是说消费与收入有线性关系，消费是因变量，收入是自变量。收入越多消费也越多，收入越少消费也越少。 * 中山大学南方学院经济系 * 用数学模型表示如下： 这里，C表示因变量消费额，Y表示可支配收入。按照经济理论，参数系数应该大于零，或者说消费额与可支配收入的正相关的关系。 * 中山大学南方学院经济系 * 我们把收集到的数据做成一个散点图。并用回归方法估计出来的回归结果如下（表3-2）: C=131.8368+0.8663*Y 这个分析的结果告诉我们，当收入等于零时，此人应该靠借大约132元来度日；人均的消费是收入的86.6％，也就是说，平均每挣一百元，应该花掉八十六元六角三分钱。 * 中山大学南方学院经济系 * 这样，我们先从理论上的经济模型入手，再有采集的实际经济数据，然后用计量经济学的回归分析方法估计出适合于实际数据的数学模型。当然，我们还要对这个估计出来的数学模型进行统计测试，检验其估计参数的合理性和有效性。 当其估计参数被测试为合理并且有效时，我们就可以说我们的经济理论被实践证明是正确的。这样，我们也就可以用这个模型来进行经济预测。 * 中山大学南方学院经济系 * 以上的例题，我们用的是一个横截面的数据来进行回归分析的，同时我们也可以用时间序列数据来进行分析，分析的方法和步骤也是一样的。 如我们分析不同年份的消费与可支配收入的关系。 * 中山大学南方学院经济系 * 第五节 最小二乘法 在实际经济研究过程中，我们所面对的理论模型往往有几个或者很多自变量。那么，简单的模型就不够用了。下面我们来简单讨论一下多变量的通用模型。 当数据中有一个因变量和K个自变量时，那么我们的回归分析模型就应该是： * 中山大学南方学院经济系 * 这里，i=1,2,…,n.β是估计参数，也就是模型的系数。E是模型的误差项。如果我们用矩阵的方式来表示就是： Y＝Xβ＋e 如果我们用实际数据来估计一个线性模型Y＝Xβ＋e，β是这个模型中的真实的参数值。 * 中山大学南方学院经济系 * 最佳估计值 当估计值满足以下三个条件的时候，我们求出的估计值是最佳的估计值。 （1）“线性的”是指Y＝Xβ＋e这个线性模型； （2）“无偏的”是指E(β)=β。 （3）“最好的”是指估计参数的方差会是最小的。 只有当这些条件都满足了，我们的估计参数才是最优的。 * 中山大学南方学院经济系 * Rejection region does NOT include critical value. * * * * * 中山大学南方学院经济系 假设检验的基本思想 基于小概率原理的反证法 二、假设检验的步骤 1、提出假设，包括原假设和备择假设 2、构造相应的检验统计量，确定其分布形式；根据样本数据计算统计量的值； 3、确定显著性水平?和临界值 ； 4、作出结论。（根据所计算的统计量的值与临界值比较确定是否拒绝原假设） 原假设 The Null Hypothes