政治大学财政所与东亚所选修课程名称应用计量分析--.PPTVIP

政治大学财政所与东亚所选修课程名称应用计量分析--.PPT

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
政治大学财政所与东亚所选修课程名称应用计量分析--.PPT

加入誤差項 y:迴歸模型的依變數(dependent variable) 依變數y可以被分解成兩個部分: 1. 規律性的部分:E(y) 不是隨機的 2. 隨機部分:y與 E(y) 之間的差,稱為隨機誤差項e(random error term) e=y-E(y|x)=y-β1 -β2x y=β1 +β2x +e x:獨立變數 由誤差項e來說明迴歸模型的假設 1. 對於各個x值來說,y值為y=β1 +β2x +e 2. 隨機誤差e的平均值為 E(e)=0,因為假設E(y) = β1 +β2 x 3. 隨機誤差e的變異數為 Var(e)= ?2 =Var(y) 因為y和e只相差一個常數,而此常數不會改變其變異數。 4. 任何一對隨機誤差ei 和ej 的共變數為 Cov (ei , ej ) =Cov (yi , yj)=0 5. 變數x並非隨機的,且必須至少有2個不同的值。 6. (選擇性的) e值常態地分配於其平均值0的附近 e~N(0, ?2 ) 。 對誤差項e的另一種解釋方式 y 是可以觀察的,e 是無法觀察的。 給予任一個y值,我們可以計算出 e=y -β1 -β2 x e 表示除了x之外,會影響y的其他因素。 在食物支出的例子裡,什麼因素可能會導致支出y與其平均值 E(y|x)之間的不同呢? 1. 在任何經濟模型中,我們想把所有重要且相關的解釋變數都包含在模型裡。 2. 誤差項e包含了任何可能出現的近似誤差,因為我們假設的線性函數形式可能只是實際的近似值而已。 3. 誤差項包括可能出現於個別隨機行為中的任何情況。對於所有影響個人食物支出的變數之瞭解,可能不足以完全地預測支出。而無法預測之隨機行為的部分,也有可能包含在e裡面。 估計支出關係的參數 1.我們假設表3.1中的支出資料是隨機變數yt , t=1,…,40,且滿足假設 SR1-SR5。 2.我們把40個資料點記為 (yt ,, xt), 其中t=1,…40,並畫出它們的位置,我們可以得到圖3.6中的散佈圖(scatter diagram)。 3.估計平均支出線E(y)=β1 +β2 x的位置。我們期望這條線位於所有資料點的中間某處,因為它代表平均的行為。 4.要估計β1 與β2 , 我們可以簡單的畫出一條通過資料中間的直線,然後用尺衡量其斜率和截距。 問題: 不同的人可能畫出不同的線,而因此缺乏正式的準則。 方法2:從所得最小的那一個點畫到所得最大那一點。 問題:忽略了其餘38個觀察值確實位置之資訊。 最小平方原理(The Least Squares Principle) 這個原理主張,為了找出一條適合資料值的直線,我們應該找出一條直線,使得各點到此直線垂直距離之平方和越小越好。 距離的平方可以避免正的距離被負的距離抵消。 食物支出函數的估計值 估計值的解釋 b2=0.1283 當 x 上升 100, y將會增加大約12.83。 b1=40.7676 當x為零,時y的估計值。 彈性(elasticity) y=bxb2 logy=logb+b2logx logy=b1+b2logX 彈性: Y變動的百分比 X變動的百分比 = 預測(Prediction) 估計的等式可以被用在預測或預言的目的上,將x帶入估計的等式就可以得到y值。 最小平方估計式為隨機變數 b1和 b2是隨機變數,因為它們的值決定於隨機變數y,而y的值在樣本被收集之前是未知的。 收集資料之後,最小平方估計值即為計算出來的數值。由於它們並非隨機的量,所以不具有統計的性質。 最小平方估計式的抽樣性質 最小平方估計式 b1 和 b2 為隨機變數,而且它們具有機率分配的特性,因此我們可以在收集任何資料之前研究。 在本節中我們將決定最小平方估計式 b1 與 b2 的平均值及變異數。 若E(et)?0且E(b2) ? ?2, b2 並非不偏的! et 包含了其他影響 yt 但卻被經濟模型所遺漏的因素。如果我們忽略了任何重要的東西,則我們將可預期 E(et)?0 並且E(b2) ? ?2 。 b2 為不偏的這個事實,並未暗示任何一個樣本皆可能有此特性。 Note: 個別的估計值(數值) b2 可能會接近或遠離 β2 。 但是E(b2)=?2 同樣地, 我們可以計算 var(b2) 和 var(b2) 具有相同的平均值但不同的變異數。 抽樣精確度 (Sampling Precision) 估計式的變異數越小,該估計式的抽樣精確度越高。 1.若 var(y) var(b2) 精確度越小。 2.若 var(x)

文档评论(0)

wangxing1张 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档