第二章节 经典单方程-黑白版.pptVIP

第二章 经典单方程计量经济学模型：一元线性回归模型 §2.1 回归分析概述 §2.2 一元线性回归模型的参数估计 §2.3 一元线性回归模型检验 §2.4 一元线性回归模型预测 §2.1 回归分析概述 变量间的关系及回归分析的基本概念 总体回归函数 随机扰动项 样本回归函数（SRF） （3)回归分析： 二、总体回归函数 例2.1一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 给定收入X的值Xi，可得消费支出Y的条件期望E(Y|X=Xi) 该例中：E(Y | X=800)=605 三、随机扰动项 某一个别的家庭，其消费支出可能与该平均水平有偏差 随机误差项主要包括下列因素的影响： 四、样本回归函数（SRF） 问题：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？ 该样本的散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sample regression lines）。 §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干 扰项方差的估计 一、线性回归模型的基本假设 假设1：解释变量X是确定性变量，不是随机变量； 假设3：随机误差项?与解释变量X之间不相关： Cov(Xi, ?i)=0 i=1,2, …,n 二、参数的普通最小二乘估计（OLS） 给定一组样本观测值 （Xi, Yi）（i=1,2,…n），普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：二者之差的平方和 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 2、变量的显著性检验 在一元线性模型中，就是要判断X是否对Y具有显著的线性性影响。这就需要进行变量的显著性检验。 §2.4 一元线性回归分析的应用：预测问题 一、?0是条件均值E(Y|X=X0)或个值Y0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 第二章的内容到这里啦～～谢谢大家 和 的方差： 答案哦 关于 的方差推导可以自己试一试啦 2、随机误差项?的方差?2的估计 由于随机项?i不可观测，只能从?i的估计——残差ei出发，对总体方差进行估计。 可以证明，?2的最小二乘估计量为 一、拟合优度检验 可决系数R2统计量 可决系数的取值范围：[0，1] R2越接近1，说明实际观测点离样本线越近，拟合优度越高。 大家可以来自己算一下例题中的可决系数是多少啦 答案 的进一步简化计算： 检验步骤： H0： ?1=0， H1：?1?0 （2）以原假设H0构造t统计量，并由样本计算其值 （3）给定显著性水平?，查t分布表，得临界值t ?/2(n-2) (4) 比较，判断 若 |t| t ?/2(n-2)，则拒绝H0 ，接受H1 ； 若 |t|? t ?/2(n-2)，则拒绝H1 ，接受H0 ； 大家尝试着对例题进行系数显著性检验吧～～ （1）对总体参数提出假设 t统计量的计算结果分别为： 给定显著性水平?=0.05，查t分布表得临界值 t 0.05/2(8)=2.306 |t1|2.306，说明家庭可支配收入在95%的置信度下显著，即是消费支出的主要解释变量； |t2|2.306,表明在95%的置信度下，无法拒绝截距项为零的假设。 三、参数的置信区间 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”。 要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。 一元线性模型中，?i (i=1，2）的置信区间: 在变量的显著性检验中已经知道： 意味着，如果给定置信度（1-?），从分布表中查得自由度为(n-2)的临界值，那么t值处在(-t?/2,