单方程回归分析.pptx

单方程计量经济学模型理论与方法 Theory and Methodology of Single-Equation Econometric Model ;§2.1 回归分析概述 §2.2 一元线性回归模型及其参数估计 §2.3 多元线性回归模型的参数估计 §2.4 多元线性回归模型的统计检验 §2.5单方程线性模型的区间估计 §2.6 异方差性 §2.7 序列相关性§2.8多重共线性§2.9 随机解释变量;§2.1 回归分析概述Introduction to Regression Analysis;一、变量间的关系及回归分析的基本概念;变量间的关系;△对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的：;二、总体回归函数;⒈例子; 由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； 但由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布（Conditional distribution）是已知的，如： P(Y=550|X=800）=1/5。 因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）：; 从散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。;⒊ 概念; 回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。 函数形式可以是线性或非线性的。;三、随机扰动项;⒈随机扰动项的引入;由（2.1.2）式，个别家庭的消费支出为：;（2.1.3）式称为总体回归函数（方程）PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。 ;⒉ 随机误差项的影响因素;⒊产生并设计随机误差项的主要原因;四、样本回归函数（SRF）;⒈问题的提出 由于总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一组样本。 问题是能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？ 例2.2：在例2.1的总体中有如下一个样本，问：能否从该样本估计总体回归函数PRF？;该样本的散点图（scatter diagram)：; 注意：这里将（2.1.4）看成（2.1.1）的近似替代。;⒉ 样本回归函数的随机形式/样本回归模型;⒊ 回归分析的主要目的;§2.2 一元线性回归模型及其参数估计Simple Linear Regression Model and Its Estimation;一、线性回归模型及其普遍性;1、线性回归模型的特征;因此，一个更符合实际的数学描述为： C = ? + ?Y+? (2.2.2) 其中： ? 是一个随机误差项，是其他影响因素的“综合体”。 线性回归模型的特征： ⑴ 通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数； ⑵ 在线性回归模型中，被解释变量的特征由解释变量与随机误差项共同决定。 ; 2、线性回归模型的普遍性;结论：;二、线性回归模型的基本假设;1、技术线路;2、线性回归模型在上述意义上的基本假设; （5）随机误差项服从０均值、同方差的正态分布： ?i~N(0, ??2 ) i=1,2, …,n 注意： 如果第(1)条假设满足，则第(4)条也满足; 模型对变量和函数形式的设定是正确的，即不存在设定误差。;重要提示;三、一元线性回归模型的参数估计;1、普通最小二乘法（Ordinary Least Square,OLS）; 2、最大或然法（ Maximum Likelihood, ML）; 将该或然函数极大化，即可求得到模型参数的极大或然估计量。; 由于或然函数的极大化与或然函数的对数的极大化是等价的，所以，取对数或然函数如下：; 可见，在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。 ;但是，随机误差项的方差的估计量是不同的。;3、参数估计的离差形式(deviation form);4、样本回归线的数值性质(numerical properties);四、最小二乘估计量的统计性质高斯-马尔可夫