第三讲：计量分析方法.doc

第三讲：计量分析方法 一、回归分析 ● 回归的本质 英国著名遗传学家弗朗西斯·高尔顿（Sir Francis Galton,1822-1911）在子女与父母相像程度遗传学研究方面，取得了重要进展。高尔顿的学生卡尔·皮尔逊（Karl Pearson,1857-1936）在继续这一遗传学研究的过程中，测量了1078个父亲及其成年儿子的身高。 在高个子人群中 ，下一代的平均身高会低于高个子本代的平均身高；而在矮个子人群中，下一代的平均身高则会超过本代的平均身高，也就是人的身高存在一种趋势，即向整个人群平均身高靠拢的趋势。高尔顿将变量向均值靠拢的趋势称为“回归 ” ◇ 回归的本质：用X来推断Y（利用样本数据来估计未知参数向量β）， 而非“预测”Y。 ＊能否进行经济预测？ ● 理论回归模型 ◇ 简单回归模型：一元线性回归 ＊最小二乘法（OLS）： ：因变量、被解释变量、响应变量，等 ：自变量、解释变量、控制变量，等 （）：误差项、残差项、扰动项，等，观察不到的因素。 最小二乘方法是选择的值，使得残差平方和达到最小。 ◇ 参数估计 对和求一阶偏导数，并令其=0.，可得： == = 残差 残差平方和（RSS） 的估计方差 ＊例： 原始数据 加工数据 回归结果 消费 收入 1 6 10 60 100 36 6.8 -0.8 46.24 2 9 12 108 144 81 8.1 0.9 65.61 3 10 14 140 196 100 9.4 0.6 88.36 4 10 16 160 256 100 11 -0.7 114.49 合计 35 52 468 696 317 35 0 314.7 平均 8.75 13 计算顺序： ①求和：==0.65， =0.3 ②求估计值和残差：=+=0.3+0.65 =- 1.15 = =3.163 = =0.240 ③求决定系数：相关系数的平方， === = ◇ 线性回归模型基本假定： ① 线性关系 ② 随机样本 ③ 全秩（Full Rank ）：在变量之间不存在完全线性关系 ④ ， 零条件均值 ，与解释变量无关 ⑤ ， 同方差性 ，的协方差等于零，无自相关 ⑥ ~，服从正态分布。 ⑦ 为外生变量（固定值） ◇非线性方程的线性转换 ①指数函数：，两边取对数， ②指数函数：，两边取对数， ③分数函数：，设， ④分数函数：，设， ⑤半对数函数：，设， ⑥2次函数：，设， ⑦柯布-道格拉斯函数：，两边取对数， ⑧逻辑函数：，设 ⑨逻辑函数：，设， ◇ 多元回归模型 ＊自由度修正调整决定系数，有可能为负 = ● 检验 ◇ 检验，值或统计量 ， ＊ 非正规分布，而是 分布 ＊虚拟假设、对立假设 虚拟假设 ：， ： 对立假设 ：， ： ＊单侧经验、双侧检验 ＊自由度= ＊显著性水平： 1%：*** ； 5%：**； 10%：* ＊置信区间：， ＊例： 5%统计水平，自由度2，=4.303，不显著 20%统计水平，自由度2，=1.886，显著 95%置信区间：（0.65-4.303*0.24， 0.65+4.303*0.24）=（-0.383, 1.683） ◇ 检验 ＊对多个线性约束的检验 不受约束模型： 受约束模型： 虚拟假设 ：，， 对立假设 ：不正确 检验（统计量） ： 受约束模型的残差平方和； ：不受约束模型的残差平方和； ：变量数，3 （分子自由度，分母自由度）=（，） =（3，） → （横，纵） ＊用计算统计量： ＊对整体回归方程式的检验（常数项以外所有系数都为0） ＊对一般线性约束的检验 ①虚拟假设 ：（已知）， （已知） 模型： ②虚拟假设 ：， 模型： ＊邹至庄检验（Chow test） 横截面数据：不同组之间回归函数的检验 时间序列数据：结构变化的检验 全期间1971-1988年， 1978年改革开放， 前期1970-1978年， 后期1979-1988年， ：前期残差平方和（男性）， ：前期样本数 ：后期残差平方和（女性）， ：后期样本数 ： 全期间残差平方和（全体）， ：解释变量数 ① +1，并且+1 ②+1，