Chapter 03 双变量模型 ：假设检验 1.pptVIP

判定系数 判定系数r2 测度了在Y 的总变异(variation)中由回归模型解释的那部分所占的比例。 R2 非负 * 章韬 neotaoism@ 判定系数r2与相关系数的关系 相关系数 r2与相关系数不同: 在回归分析中，r2是一个比相关系数更有意义的度量，因为前者告诉我们在因变量的变异中解释变量解释的那个部分所占的比例，即一个变量的变异在多大程度上决定另一个变量的变异， r2为其提供了一个总的度量。 * 章韬 neotaoism@ Thank you * 章韬 neotaoism@ * 假定9：正确地设定了模型 模型的设定问题包括： ①该包括哪些变量？ ②模型的函数形式如何？是否线性？ ③进入模型的 ， 和 需做哪些概率上的假定？ 在经验分析中所采用的模型不存在设定偏误 （specification bias or error） * 章韬 neotaoism@ CLRM的基本假设 虽然我们假定 ，但从样本中我们未必能得出。这须要其它技术来处理自相关和异方差的情况 假定10：不存在完全的多重共线性（multicollinearity） 也就是说，解释变量之间不存在完全的线性关系(no perfect linear relationships)——出现在多元线性回归模型 上述假定的真实性如何？ 在任何科学研究中，假定都未必是真实的，符合现实的，而是在于它们使我们可以方便地展开我们的研究。我们先深入研究CLRM的性质，然后再放松一些假定深化这一研究 * 章韬 neotaoism@ CLRM的基本假设 CLRM可信吗？ 计量经济学中的CLRM相当于微观经济学中的完全竞争模型。 * 章韬 neotaoism@ 第三节 OLS 估计的精度 OLS估计量随样本的变动而变动，估计量精度(precision)由估计量的标准误差(standard error, se)来衡量。 * 章韬 neotaoism@ 第三节 OLS 估计的精度 的估计 是真实但未知的 的OLS估计量 n-2 是被称为自由度(degrees of freedom, df)的个数 则表示残差平方和(residual sum of squares, RSS) * 章韬 neotaoism@ 或者由下式算出： 由于 ∴ 叫做估计的标准误（standard error of the estimate）。它是Y对估计的回归线的离差的标准差。常用来衡量所估计的回归线的“拟合优度（goodness of fit）” 例题：在家庭可支配收入-消费支出例中，对于所抽出的一组样本数，参数估计的计算可通过下面的表进行。 因此，由该样本估计的回归方程为： 第四节 OLS的性质：高斯-马尔科夫定理 高斯-马尔可夫定理(Gauss–Markov theorem)： 在给定经典线性回归模型的假定下，OLS估计量，在无偏线性估计量中，有最小方差，即OLS估计量是最优线性无偏估计量（best linear unbiased estimator, BLUE）。 BLUE 1、线性:指的是参数估计量是被解释变量的线性函数。 2、无偏性:参数估计量的均值（数学期望）等于被估计的真值，即 3、有效性（最小方差性）：在所有上述线性无偏估计量中具有最小方差 * 章韬 neotaoism@ BLUE： 线性证明 由之前关于OLS性质的证明得到 令 可见， 是 的一个线性函数，所以，它是一个线性估计量（linear estimator），而 ∴ 也是一个线性估计量 章韬 neotaoism@ * BLUE： 线性证明 权重 的一些性质： （1）因为 的非随机，∴ 非随机。 （2） （3） （4） 章韬 neotaoism@ * BLUE： 无偏性证明 先证 ： 上式两边求数学期望得： 章韬 neotaoism@ * （ki非随机） 再证 ： 由