管理课件计量复习.ppt

经济计量学 主要内容 经济计量学的特征及研究范围 概率论与统计学基础 包括：概率与分布、概率分布的特征、重要的概率分布、统计推断：估计与检验 线性回归模型 双变量模型：基本思想及假设检验 多元回归：估计与假设 回归模型的函数形式 虚拟变量回归模型 实践中的回归分析 模型选择：标准与检验 多重共线性、异方差、自相关 经济计量学的特征及研究范围 什么是经济计量学 简单地说，计量经济学是考察经济变量之间因果关系的研究方法。 经济计量学方法论——分析步骤 建立一个理论假说； 收集数据； 设定经济计量模型； 估计经济计量模型参数； 模型检验 考察模型的适用性——模型设定检验； 检验源自模型的假设； 利用模型进行预测。 线性回归模型 双变量模型：基本思想及假设检验 多元回归：估计与假设 回归模型的函数形式 虚拟变量回归模型 双变量模型：基本思想及假设检验 回归的含义 总体回归函数（PRF） 随机误差项 样本回归函数（SRF） “线性”回归的含义 参数估计：普通最小二乘法 古典线性回归模型的假定 OLS估计量及其性质 OLS估计量的方差与标准误 OLS估计量的抽样分布（概率分布） 假设检验 拟合优度 正态性检验 预测 回归的含义 回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 根据样本观察值对经济计量模型参数进行估计，求得回归方程； 对回归方程、参数估计值进行显著性检验； 利用回归方程进行分析、评价及预测。 总体回归函数 Yi=B0+B1Xi+ ui E(Yi|Xi)=B0+B1Xi 随机扰动项 ui= Yi-E(Yi|Xi) 随机误差项主要包括下列因素： 在解释变量中被忽略的因素的影响； 变量观测值的观测误差的影响； 模型关系的设定误差的影响； 其他随机因素的影响。 产生设计随机误差项的主要原因： 理论的含糊性； 数据的欠缺； 节省原则——“奥卡姆剃刀原则”。 样本回归函数 Yi=b0+b1Xi+ei ?i=b0+b1Xi 回归分析的主要目的是根据样本回归函数估计总体回归函数 “线性”回归的含义 变量线性 参数线性 线性回归是指参数线性的回归，而解释变量不一定是线性的 普通最小二乘法及性质： 使?ei2达到最小的参数。 知道如何计算b0, b1 b1=Lxy/Lxx OLS的一些重要性质： 样本回归线经过样本均值点； 残差的均值为0； 残差与解释变量乘积之和为0； 残差与Yi的估计值乘积之和为0； 古典线性回归模型的假定： 参数线性 解释变量与扰动项不相关 扰动项的期望或均值为0 同方差 无自相关 模型正确设定 OLS估计量的性质： 线性性 无偏性 有效性 线性回归模型的假设检验 置信区间法 根据给定的显著性水平求出参数的估计区间，再考查参数的假设值是否落在该区间内来决定拒绝与否。对于B1, 显著性检验法 求出参数的估计值后，根据参数获此值的概率大小来决定拒绝与否 关于判定系数（可决系数） TSS=ESS+RSS 决定系数与相关系数的关系 随机扰动项的正态性检验 JB检验：JBasy~?2(2) JB越大，越可以拒绝其为正态性的假定。 多元回归 多元回归：偏回归系数 从统计检验的角度： n?30 时，Z检验才能应用； n-k≥8时, t分布较为稳定 一般经验认为：当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。 多元回归模型的拟合优度 R2与校正的R2 联合假设检验：B1=B2=0（以两个解释变量，且模型形式为：?=b0+b1X1+b2X2为例） 一般地，如果回归模型有k个解释变量（不包括截距，则F值的分子自由度为k，分母自由度为(n-k-1) F与R2的关系： 两个统计量同方向变动： 当R2=0（Y与解释变量不相关）时，F为0，R2值越大，F值也越大；当R2取其极限1时，F值趋于无穷大。 设定误差问题： 设定误差，是指模型中遗漏或增加若干重要或不重要的变量。 由于设定的不同，所得模型将可能 系数不同 截距不同 R2不同等。 如何选择： 系数；t检验；R2与F检验 解释变量的选择 通常做法： 只要校正的判定系数值增大，就可以增加新的解释变量 对于增加的变量的系数，只要其|t|值大于1，校正的判定系数值就会增加。 对于表8-4(P166)结果的说明 t检验与F检验的关系？ 可能从单个系数看并不显著，但F检验却可能显著。故：（单个）t检验与（联合）F检验完全不同（P168的例子）。 回归模型的函数形式 对数模型——度量弹性 半对数模型 对数－线性模型——度量增长率 线性－对数模型——解释变量为对数形式 倒数模型 多项式模型 零截距模型 模型选择问题： 由于模型不同，一般不直接对