《经济计量学》陈胜荣（计统系）03.pptVIP

解得模型的参数估计量为： 可见，在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。 在极大似然估计法中，解似然方程： 即可得到?2的极大似然估计量为： 因此， ?2的最大或然估计量不具无偏性，但却具有一致性。 如果在给定的显著性水平下，根据上式计算得出的值超过临界的值，则拒绝正态分布的零假设，否则，接受。 另法：根据计算得到的?2值的p值，可知获此?2值的精确概率。 案例分析：P59 一元线性回归分析的应用：预测问题 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间 对于一元线性回归模型 给定样本以外的解释变量的观测值X0，可以得到被解释变量的预测值?0 ，可以此作为其条件均值E(Y|X=X0)或个别值Y0的一个近似估计。 严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因: （1）参数估计量不确定； （2）随机项的影响 一元线性回归的应用：预测 ?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 对总体回归函数E(Y|X=X0)=B0+B1X，X=X0时 E(Y|X=X0)=B0+B1X0 故： 可见，?0是条件均值E(Y|X=X0)的无偏估计。 通过样本回归函数 ，求得的拟合值为： 对总体回归模型Y=B0+B1X+u，当X=X0时 于是 而通过样本回归函数 ，求得拟合值 的期望为： 总体条件均值与个值预测值的置信区间 总体均值预测值的置信区间 由于 于是 可以证明 证明如下： 因此 故 于是，在1-?的置信度下，总体均值E(Y|X0)的置信区间为： 其中， 将未知的?2用其无偏估计量 来代替，可构造t统计量： 总体个值预测值的预测区间 由 Y0=B0+B1X0+u 知： 于是 式中 : 从而在1-?的置信度下， Y0的置信区间为 在上述收入—消费支出例中，得到的样本回归函数为: 则在 X0=1000处， ?0 = –103.172+0.777×1000=673.84 而 因此，总体均值E(Y|X=1000)的95%的置信区间为： 673.84-2.306?61.05 E(Y|X=1000)673.84+2.306?61.05 或 (533.05, 814.62) 同样地，对于Y在X=1000的个体值，其95%的置信区间为： 673.84 - 2.306?131.07Y|x=1000 673.84 + 2.306?131.07 或 (372.03, 975.65) 总体回归函数的置信带（域）（confidence band） 个体的置信带（域） X Y Y均值的置信区间 Y个值的置信区间 对于Y的总体均值E(Y|X)与个体值的预测区间（置信区间）: （1）样本容量n越大，预测精度越高，反之预测精度越低； （2）样本容量一定时，置信带的宽度当在X均值处最小，其附近进行预测（插值预测）精度越大；X越远离其均值，置信带越宽，预测精度下降。 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题 一、中国居民人均消费模型 例：考察中国居民人均消费支出与人均GDP的关系 GDPP： 人均国内生产总值（1990年不变价） CONSP：人均居民消费（以居民消费价格指数（1990=100）缩减）。 年份 人均居民消费 consp 人均GDP GDPP 年份 人均居民消费 consp 人均GDP GDPP 1978 395.8 675.1 1990 797.1 1602.3 1979 437.0 716.9 1991 861.4 1727.2 1980 464.1 763.7 1992 966.6 1949.8 1981 501.9 792.4 1993 1048.6 2187.9 1982 533.5 851.1 1994 1108.7 2436.1 1983 572.8 931.4 1995 1213.1 2663.7 1984 635.6 1059.2 1996 1322.8 2889.1 1985 716.0 1185.2 1997 1380.9 3111.9 1986 746.5 1269.6 1998 1460.6 3323.1 1987 788.3 1393.6 1999 1564.4 3529.3 1988 836.4 1527.0 2000 1690.8 3789.7 1989 779.7 1565