经济计量方法导论第二讲.pptVIP

假定1-假定3保证了OLS估计量的一致性 因为： 分子： 假定1-假定3保证了OLS估计量的一致性 证明： 应用大数定律，分子分母分别收敛于总体的： 渐进偏误(5.1节) 若x和u不相关，?为0，无渐进偏误 若x和u正相关，?为正偏误；反之为负偏误 渐进偏误，记为 ? 假定1-假定3保证了OLS估计量的无偏性 证明：（续）： 对y均值的预测： 虽然OLS是无偏的，但进一步还要了解它距真值的平均差距，即OLS统计量的方差 高斯-马尔科夫假定4：同方差性 OLS统计量的无偏性 误差方差 给定x条件下βx为非随机的 异方差 常数方差 假定4使OLS估计量的方差可以度量 因为： 所以： 自变量差异越大，OLS的方差越小，且取决于误差项的方差 OLS统计量的无偏性 估计误差项的方差σ2 虽然： ，但因无法观测u,无法计算σ 若以残差替代误差，有： 但因为残差还需要满足两个一阶条件，所以残差只有n-2个自由度： 于是得到OLS统计量的方差 回归标准误差(Standard error of the regression,SER) OLS统计量的无偏性 高斯-马尔科夫定理(3.5节) 在假定1至假定4下，各估计量分别是其真值的最优线性无偏估计(best linear unbiased estimator, BLUE) 线性是指估计量是因变量和自变量的线性函数 意味：不需要再寻找其他无偏估计量，没有一个会比OLS更好 总之： 假定1-假定3：确保了估计量的无偏性 假定4：确保了估计量方差的可度量性和有效性，即： 高斯-马尔科夫定理 总体斜率参数的假设检验 问：为什么要对总体斜率参数进行假设检验 答：模型是建立在y与x的线性假设下的，需检验y与x的线性关系在总体上是否显著，进而判断选择线性模型的合理性 已知OLS统计量的期望和方差，如果知道其分布，便可对总体斜率参数进行假设检验 需增加假定 如何评价模型 假定5(4.1节)：给定x条件下，误差u服从均值为0方差为?2的正态分布 意味：给定x条件下，y服从均值为E(y)方差为?2的正态分布 假定1至假定5称为经典线性模型假定(classical linear model assumption)，该假定下的模型称为经典线性模型(CLM) 说明：经典线性模型包括多元线性回归模型，其假设包含与多元有关的假设(后面讲) 总体估计斜率参数的假设检验 经典线性模型假设下，给定x条件下，斜率参数的抽样分布为： 一元线性回归模型中，OLS统计量的方差Var(?1)： 多元线性回归模型后面讲 于是，有： 因为：一元模型中的误差项的方差替代为： 所以： 说明：若假定5不满足，大样本下OLS估计量具有渐进性质，渐进服从上述分布 构造t统计量进行假设检验，零假设为斜率参数与0无显著差异 Sd和se的区别：前者为σ，后者为σ的估计值 拟合优度：x如何好地解释了y 涉及到残差的问题 如何评价模型 如果大部分的点落在回归线上，则拟合效果好，x较好地解释了y 残差不等同于误差： 残差的性质： 根据0LS一阶条件： 有： 有：拟合值与残差的样本协方差为0 两者之差的期望为零，但并不等同 残差性质下有：总平方和=解释平方和+残差平方和 如何评价模型 决定系数(coefficient of determination): 决定系数表明：y的变差中被x解释的部分，不大于1，越接近于1，拟合优度越高 如何评价模型 问：在社会经济问题研究中 高斯-马尔科夫假定哪些不易满足？ 无法满足带来的问题是什么？ 无法满足时应如何处理？ 答： 假定： 不易满足;导致估计量是有偏估计；处理方法：控制其他因素，建立多元回归模型 假定： 不易满足(异方差)，μi的分布与x的取值有关（例：收入与消费关系）;不影响参数估计的无偏性,但无法计算OLS统计量的抽样方差，参数显著性检验失效；处理方法：加权最小二乘 第二讲 简单截面数据 的经济计量方法 (一) 线性回归分析是简单截面数据经济计量的基本方法 主要内容： 一元线性回归模型 何为线性模型 模型参数的含义 模型参数的估计和前提假设 调查 主要内容 在自变量和因变量具有统计关系的线性假设下 一元线性回归模型(简单线性回归模型) 问题： 为什么需要统计关系的线性假设？ ?是什么？ 参数说明了什么？ 一元线性回归模型 例：y是支出、x是收入 变量间统计关系的线性假设下选择线性模型 线性的理解： 第一:y是x的线性函数 第二:y与系数是线性关系 线性回归研究以参数线性，而非以x为线性 变量之间的非线性关系转化为线性关系 样本体