第一章：一元回归(9.23最新).pptxVIP

第一章：一元回归 第一章：一元回归 一、回归方程的意义 二、参数的估计 三、判断参数估计值好与坏的标准 四、一元线性回归的统计检验 一个假想的案例 彩票 研究的问题：一个人的“周收入”与“每周购买彩票的支出”之间有什么关系。 一个假想的案例 假设： 全社会总共就100个人买彩票 这100个人的收入可分为10档 每个收入档次中，都有10个人 彩票的购买支出 50 100 150 500 X 周收入 Y 支出 总体回归线 PRL 假设： 总能够连接成为一条直线！ 一、回归方程的意义 由此案例可知： 1、根据总体的数据可以计算每种收入下，人们购买彩票的平均支出; 2、将这些平均支出点连接起来——总体回归线（PRL） 一、回归方程的意义 一、回归方程的意义 由此案例可知： 我们今后讨论的都是“线性回归” ！ 无论是线性的，还是非线性的，总体回归线（方程）的本质都是： 条件均值！ 一、回归方程的意义 由此案例可知： 4、具体的观察值与条件均值之间有差异 Ui——是误差项，随机的！ 一、回归方程的意义 由此案例可知： 4、具体的观察值与条件均值之间有差异 确定性部分 随机部分 二、参数的估计 1、对B0、B1的估计 如果掌握了总体的信息（如本例） 那么总体的参数B0和B1就可以准确地计算出来。 二、参数的估计 1、对B0、B1的估计 现实中，我们不知道总体的信息。 我们只能观察到一些样本。例如，只有10个样本。 彩票的购买支出 50 100 150 500 X 周收入 Y 支出 样本回归线 SRL 用SRL去 估计PRL 二、参数的估计 1、对B0、B1的估计 利用观察值，拟合一条直线： 这就是样本回归线， 我们用它去估计总体回归线 二、参数的估计   二、参数的估计   二、参数的估计   二、参数的估计 总体的参数 样本估计值 B0 b0 B1 b1 E(Y|X) b0+b1X Var(u)=σ2 Var(e)=S2 二、参数的估计 3、对估计方法的思考 如果没有学过计量，我能否想出估计参数B0和B1的方法？ 二、参数的估计 3、对估计方法的思考 以一个过原点的回归线为例 自然的想法： 三种几何直观估计法 案例：如何估计通过原点的回归线 X Y 0 Y=βX 案例：如何估计通过原点的回归线 X Y 0 如何估计斜率β？ 案例：如何估计通过原点的回归线 X Y 0 取三个斜率的平均值 案例：如何估计通过原点的回归线 X Y 0 案例：如何估计通过原点的回归线 X Y 0 向量相加 案例：如何估计通过原点的回归线 X Y 0 取两个增量线段斜率的平均值 三种几何直观估计法 二、参数的估计 4、普通最小二乘法（OLS） 计量经济学中最核心的估计方法！ 普通最小二乘法的历史 1801年，意大利天文学家朱赛 普·皮亚齐发现了第一颗小行星谷神星。 经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。 普通最小二乘法的历史 随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星。。。 但是根据大多数人计算的测算结果都找不到这颗神秘的星星。。。 普通最小二乘法的历史 时年24岁的高斯也计算了谷神星的轨道。 奥地利天文学家根据高斯计算出来的轨道重新发现了谷神星。 高斯使用的方法就是“最小二乘法” 普通最小二乘法的历史 法国科学家勒让德于1806年独立发现“最小二乘法”。但因不为时人所知而默默无闻。 普通最小二乘法（OLS） 二、参数的估计 5、对B0、B1的估计 普通最小二乘(OLS) 极大似然估计(ML) * 矩估计* 二、参数的估计 普通最小二乘(OLS) 选择合适的参数使得观察值的残差平方和最小。 36 二、参数的估计 普通最小二乘(OLS) 形式一 二、参数的估计 普通最小二乘(OLS) 形式二 由此可知：当数据经过标准化处理后，所做的回归线将会通过原点！ 二、参数的估计 普通最小二乘(OLS) 形式三 二、参数的估计 6、对随机项方差σ2的估计 根据残差，按下式估计 三、判断参数估计值好坏的标准 直观的比较 Monte carol 模拟法进行比较 /aw_murray_economtrcs_1/37/9551/2445250.cw/index.html Copyright ©