建立计量经济经济学模型及步骤和要点.ppt

第一周 回顾 建立计量经济经济学模型的步骤和要点 理论模型的设计（变量、模型的数学形式、随机项的分布、参数估计的预期） 样本数据的收集（数据的三种类型，数据质量——完整性、准确性、可比性、一致性） 模型参数的估计 模型的检验 （经济意义检验、统计检验、计量经济学检验、模型预测检验） 第一周 回顾 计量经济学模型成功的三要素 理论 数据 方法 第二周 回顾 概念区分： 总体回归函数 总体回归模型 样本回归函数 样本回归模型 概念：条件均值、随机误差项 第二周 回顾 OLS的估计原理 一元线性回归模型的关键假设： 随机误差项独立，服从正态分布 解释变量和随机误差项不相关 第二周 回顾 一元线性回归模型OLS估计量的表达式 正规方程的表达式 第二周 答疑 期望、方差、协方差、相关系数的直观含义 期望衡量样本均值 方差衡量样本值相对样本均值的偏离程度 协方差衡量两个样本的相关性有多少，也就是一个样本的值的偏离程度会对另一个样本的值的偏离产生什么影响 相关系数衡量两个样本的相关性有多少 第二周 答疑 为什么在回归参数的推导中我们仅看了一阶偏导，就确认是残差平方和最小而非最大? 因为是平方和 求和： 第三周 回顾 回归方程两个参数的估计量及其性质 随机误差项的估计量 第四周 课下作业 假设检验中，什么是第一类错误，什么是第二类错误 与随机项不相关假设。The covariances between Xi and μi are zero. 由确定性假设可以推断。 1、假设检验（Hypothesis Testing） 判断结果合理与否，是基于“小概率事件不易发生”这一原理的。 该原理认为“小概率事件在一次试验中几乎不可能发生”。在原假设下构造一个事件，这个事件在原假设正确的条件下是一个小概率事件，随机抽取一组容量为n的样本观测值进行该事件的试验，如果该事件发生了，说明“原假设正确”是错误的，因为不应该出现的小概率事件出现了。因而应该拒绝原假设；反之，如果该小概率事件没有出现，就没有理由拒绝原假设，应该接受原假设。 §2.6 实例及时间序列问题 说明 本节列举了两个一元线性回归模型实例，完成了建立模型、估计参数、统计检验和预测的过程。 从理论上讲，经典线性回归模型理论是以随机抽样的截面数据或者平稳的时间序列数据为基础的。对于非平稳时间序列数据，存在理论方法方面的障碍。如何处理？本书第8章将专门讨论。在2—7章中大量采用非平稳时间序列数据作为实例，暂时不考虑理论方法方面的障碍。 统计检验是对变量检验 计量经济学检验是对假设的检验 书46页： 从上面的拟合优度的检验中可以看出，拟合优度高，则解释变量对被解释变量的解释程度就大，线性影响就强，可以推测模型线性关系成立；反之，就不成立。 但这只是一个模糊的推测，不能给出一个统计上的严格结论，因此，就必须进行变量的显著性检验 在这个地方一定要注意： 拟合优度是在完成抽样后，衡量样本回归线对于散点的拟合程度 因此，等式左边是某观测值和这一特定样本的Y的均值的差， 等式右边第一项是e，第二项：因为Y均值=贝塔0+贝塔1*X均值，所以第二项表示贝塔1*X的离差，而X的离差是可以由回归直线解释的部分，故，第二项是回归直线解释的部分 文本框下部分的文字一个字一个字的理解，很说明问题的文字哦～ 具体计算时，TSS=y平方加总，ESS=贝塔1的平法*x平方加总，RSS=e的平方加总 条件均值不含随机误差项，个值含随机误差项 由于置信区间一定程度地给出了样本参数估计值与总体参数真值的“接近”程度，因此置信区间越小越好。 要缩小置信区间，需要 增大样本容量n。因为在同样的置信水平下，n越大，t分布表中的临界值越小；同时，增大样本容量，还可使样本参数估计量的标准差减小； 提高模型的拟合优度。因为样本参数估计量的标准差与残差平方和呈正比，模型拟合优度越高，残差平方和越小。 §2.5 一元线性回归分析的应用：预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 对于一元线性回归模型 给定样本以外的解释变量的观测值X0，可以得到被解释变量的预测值?0 ，可以此作为其条件均值E(Y|X=X0)或个别值Y0的一个近似估计。 严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因: 参数估计量不确定； 随机项的影响。 说 明 一、预测值是条件均值或个值的一个无偏估计 1、?0是条件均值E(Y|X=X0)的无偏估计 对总体回归函数E(Y|X=X0)=?0+?1X，X=X0时 E(Y|X=X0)=?0+?1X0 可见，?0是条件均值E(Y|X=X0)的无偏估计。 2