第二章 经典单方程计量经济学模型整理ppt.ppt

第二章　经典单方程计量经济学模型：一元线性回归模型 Theory and Methodology of Single-Equation Econometric Model 本章内容 回归分析概述 一元线性回归模型的参数估计 一元线性回归模型检验 一元线性回归模型预测 描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。 ２、总体回归函数 　　回归是关于一个应变量Y对一个（些）解释 变量X依赖关系的研究。由于Y是随机变量，不 可能直接建立Y与X的函数关系。 　　　 　　　　 　　 　　　 　　　　 　　 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。 三、随机扰动项 总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。 但对某一个别的家庭，其消费支出可能与该平均水平有偏差。 随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设定误差的影响； 4）其它随机因素的影响。 １、样本回归函数（SRF） 问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？ 核样本的散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sample regression lines）。 这里将样本回归线看成总体回归线的近似替代 ▼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。 §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 ２、关于解释变量的假设 确定性假设。X values are fixed in repeated sampling．More technically，X is assumed to be nonstochastic． 　注意：“in repeated sampling” 的含义是什么？ 与随机项不相关假设．The covariances between X and are zero 　由确定性假设可以推断 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 １、回答一个问题 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。 1、假设检验 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。 假设检验采用的逻辑推理方法是反证法。 先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。 判断结果合理与否，是基于“小概率事件不易发生”这一原理的 ３、 §2.4 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 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 §2.5 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 二、时间序列问题 上述实例表明，时间序列完全可以进行类似于截面数据的回归分析。 然而，在时间序列回归分析中，有两个需注意的问题： 第一，关于抽样分布的理解问题。 能把表2.5.1中的数据理解为是从某个总体中抽出的一个样本吗？ 问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？ 对于所有样本点，则需考虑离差的平方和： 记 总体平方和（Total Sum of Squares） 回归平方和（Explained Sum of Squares） 残差平方和（Residual Sum of Squares ） TSS=ESS+RSS Y的观测值围绕其均值的总离差(total variation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。 在给定样本中，TSS不变，如果实际观测点离样本回归线越近，则ES