计量经济学第3章——一元线性回归.ppt

虽然OLS有好的性质，但并不保证具体模型的参数估计结果理想。因为模型假设不一定真正成立，而且数据等情况也有差异。 * 残差平方和的问题—— （1）受样本容量、量纲等因素影响。 残差平方和会随着样本容量的增大而增大，而且也受样本数值本身的影响。 （2）不同样本，不同容量的情况，没有横向可比性。 （3）所以应建立 最小二乘法对相同样本用不同方法回归的拟合度差别方面有意义，但在对不同样本容量，不同样本数据回归拟合情况的评价方面却不是好的指标，因为不具有横向可比性 既然根据模型的基本假设，Y与X之间的线性关系是主要关系，X是以线性方式决定Y的最主要因素，那么Y的离差就应该主要被回归值的离差决定。新的指标（而且应是比例指标） * 总离差衡量的是Y的总的变动的程度，需要找一个参照物，就找其平均值。如果一个变量距离其平均值很大，则Y变动的总量就越大。 * * 由于离差有正有负，所以也不能够直接相加，必须平方，下面就重点讲解平方的分解式。 写课程论文时注意： 可决系数知识说明列入模型的所有解释变量对应变量的联合的影响程度，不说明模型中每个解释变量的影响程度（在多元中） 如果回归的主要目的是经济结构分析，不能只追求高的可决系数，而是要得到总体回归系数可信的估计量，可决系数高并不一定每个回归系数都可信任。 如果主要目的知识为了预测应变量值，不是为了正确估计回归系数，一般可考虑有较高的可决系数。 * 抽样的偶然结果是否可信，所以我们需要进行假设检验。一次抽样就发生了小概率事件，说明原假设不可靠。 所谓假设检验，就是分析由样本观测的结果与某种声称的假设（原假设）是否相符合？从而证实原假设的真伪。 如果由样本所得结果与原假设“足够接近”，就不拒绝原假设，如果不是“足够接近”，就拒绝原假设。 什么是“足够接近”？ 在某种条件（原假设）下，通过给定显著性水平可构造一个大概率事件（同时也就构造了一个小概率事件），再一次抽样中出现大概率事件，被认为是合理的，认为样本结果与原假设“足够接近”；而小概率事件被认为是基本上不会发生。如果小概率事件竟然发生了，可认为是不合理的，即认为样本结果与原假设不是“足够接近”。 * * 假设检验的做法：在事先做出的某种原假设成立的条件下，可确定统计量的抽样分布，给定显著性水平 ? ，可构造一个小概率事件，利用样本构造的适当统计量（一次抽样的结果），如果在一次抽样中该小概率事件竟然发生，就认为原假设不真实，从而拒绝原假设（这时犯第一类错误弃真哦概率为? ），不拒绝备择假设，反之，如果大概率事件发生，则不拒绝原假设。 t检验的意义: t值是用来检验根据OLS估计出来的系数是否显著的统计量，回归系数在统计学上如果被判断不为零，就是“显著的”。如果是不显著的（回归系数＝0），则意味着解释变量对被解释变量没有影响，该解释变量在模型中没有存在的必要。由此可见，t值还具有选择解释变量的作用。 * * 假设检验可以通过一次抽样的结果检验总体参数可能的假设值的范围（如是否为零），但它并没有指出在一次抽样中样本参数值到底离总体参数的真值有多“近”。 例如，从全班抽了最高的5个人，得到平均身高为1.8，这肯定是偶然的结果，所以，需要进行区间估计 手机是奖品，套圈是区间估计。要么套中，概率是百分之百，要么套不中，概率为零 * 在讨论区间估计前，必须知道参数的概率分布性质。 参数是Y的线性函数 * 需要找一个替身，和它差不多，所以找一个无偏估计量。以拍电影的替身为例。 * * 基本思想 利用计量经济模型做预测：指利用所估计的样本回归函数，用解释变量的已知值或预测值，对预测期或样本以外的被解释变量数值做出定量的估计。 计量经济预测是一种条件预测。条件： 模型设定的关系式不变 所估计的参数不变 解释变量在预测期的取值已做出预测 此外，预测分为个别值和平均值预测。例如预测张三的体重，他有171身高，预测他的体重。但是其他也有好几个同学的身高也是171，但是体重不同。这就是预测个别值。如果预测所有171身高的同学的体重，这就是平均值预测。 无论是平均值预测还是个别值预测，都分为点预测和区间预测。利用模型计算出的一个数据，这就是点预测值，但是点预测毕竟不等于真实值，所以要做区间预测。 所以我们要分别进行这几个方面的预测。 * 以 这个为例 ：体重=f（身高） * 平均值毕竟不等于个别值，即1.71不等于 * １.提出问题 问题：考察GDP与RD的关系 我们从统计年鉴上得到的是名义GDP，怎么转换为实际ＧＤＰ？ * ２. 做散点图，观察图形，确定模型形式 * 基本上是线性关系 取对数后线性关系更强，因此对数关系更为合适 回归结果 * t (9.57)