计量经济学1 4章复习 2015 10.pptVIP

一元、多元线性回归模型的设定、估计和检验 知识点总结 回归模型的设定 研究x对y的其他条件不变的影响： 1）设定y与x之间的关系线性； 2）其他因素归结到扰动项u中； 3）给定x，对扰动项进行设定：E(u|x)=0 参数的OLS估计 两个思路： 1）矩方法---从关键性设定引出总体矩条件：E(u)=0;E(xju)=0，利用相应的样本矩建立方程求解。 2）“最小离差平方和”准则：建立最小化的目标函数，利用一阶条件（目标函数对参数的一阶导数在最优解处为零）得到正规方程组求解。 回归有关的概念和符号 一元线性回归模型系数OLS估计表达式 多元线性回归模型系数OLS估计表达式 简单回归和多元回归系数比较 在k个自变量的情况下，y对x1的简单回归和多元回归只有在以下条件下才能得到对x1相同的估计： （1）从x2到xk的OLS系数都为零，或 （2） x1与x2… , xk中的每一个都不相关。 OLS估计的代数性质 1）残差的和为零 2）残差的样本平均值为零 3）残差与解释变量样本相关系数为零---残差和解释变量不相关 4）残差和拟合值的样本相关系数为零---预测值和残差不相关。 5）回归方程经过样本的均值点 拟合优度R2 y的总变差平方和（离差平方和）的分解式； R2值在0、1之间，如果回归方程不包含常数项，则不成立； 截面数据往往有较小的R2，但不代表回归方程没意义；回归方程仍然可能很好的解释了其他条件不变的含义； 对一元回归模型， R2是x和y的样本相关系数的平方； R2是y的观测值和拟合值的相关系数的平方。 模型中增加解释变量， R2不会下降 R2和调整的R2都不能比较因变量不同的模型 OLS估计无偏性 OLS估计的无偏性需要满足SLR.1～SLR.4 一元线性回归模型参数估计无偏性的证明过程。 注意线性假设：是指关于参数线性，非线性的x和y的关系可以通过变量替换转换 注意回归系数的OLS估计量的表达式的各种写法 无偏性是对估计量的描述，特定的估计值可能接近也可能远离参数真实值 一元线性回归模型系数估计的无偏性 * 遗漏解释变量偏误 * 遗漏解释变量一般情形 * 从技术上讲，要推出多元回归下缺省一个变量时各个变量的偏误方向更加困难。我们需要记住，若有一个对y有局部效应的变量被缺省，且遗漏的该变量至少和一个其它解释变量相关，那么所有系数的OLS估计量都有偏。 遗漏变量更一般情形 * OLS估计的方差及其特点 计算方差，增加假设SLR.5 --- 注意假设中条件方差的表示 理解同方差和异方差的含义 一元线性回归模型OLS估计的方差的求取过程 系数的OLS估计的方差表达式及其解释 一元线性回归模型截距估计和斜率估计的协方差 一元线性回归模型斜率系数估计的方差 * 多元线性回归模型斜率系数估计的方差 遗漏变量OLS估计方差 * 扰动项方差的估计 从扰动项的估计--残差出发，得到扰动项方差的估计 理解残差平方和自由度的概念 注意sd和se的含义 得到OLS估计系数的se 回归模型的统计推断：显著性检验 条件： * 检验步骤： * * t检验可以进行： 一、变量的显著性检验 二、OLS单个系数估计等于某一特定值的检验 三、OLS系数单个线性约束的检验（直接采用t检验或者用参数替换，估计替换后的模型，进行显著性检验） 置信区间 * 多个参数线性约束的F检验 排除性约束检验：