第二章节单方程计量经济学模型(研究生).ppt

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基本假设 2.3 一元线性回归模型的参数估计 2.4 一元线性回归模型统计检验 2.5 一元线性回归模型应用：预测 2.6 实例 （1）函数关系 （1）确定性关系或函数关系； （2）统计依赖或相关关系； （2）相关关系(correlation) 相关关系是指变量之间确实存在的但关系值不固定的相互依存关系。在这种关系中，当一个(或几个)变量的值确定以后，另一个变量的值虽与它(或它们)有关，但却不能完全确定，按某种规律在一定的范围内变化。这是一种非确定性的关系。 用相关与回归分析方法研究 这种关系有二个明显特点： 函数关系和相关关系，在一定条件下是可以互相转化的 变量间线性相关程度的大小可通过相关系数来测量 总体相关系数ρ 样本相关系数 r 其用意： 在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 这里： 前一个变量被称为被解释变量或因变量； 后一个（些）变量被称为解释变量或自变量。 由于变量间关系的随机性，回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。 （1）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； （2）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的条件分布是已知的， 如： P(Y=561|X=800）=1/4。 描出散点图发现：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。 P25 概念： “线性”的含义 三、随机扰动项 例2.1中，个别家庭的消费支出为： （2.1.6）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。 随机误差项主要包括下列因素的影响：P27 1）代表未知的影响因素； 2）代表残缺的数据； 3）代表众多细小的影响因素；省略这些小因素 4）代表数据观测误差； 5）代表模型设定误差； 6）变量的内在随机性； 四、样本回归函数（sample regression function 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，可用该线近似地代表总体回归线。该线称为样本回归线（sample regression lines）。 这里将样本回归线看成总体回归线的近似替代 ▼回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。 总体回归函数与样本回归函数 §2.2 一元线性回归模型的基本假设  §2.3 一元线性回归模型的参数估计 一、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）要求样本回归函数尽可能好地拟合这组值. 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是： 被解释变量的估计值与实际观测值之差的平方和 最小二乘估计(图示) 二、参数估计的最大或然法(Maximum Likelihood ML) 最大似然法，也称最大或然法，是不同于最小二乘法的另一种参数估计方法，是从最大似然原理出发发展起来的其它估计方法的基础。 基本原理： 对于最大似然法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。 将样本观测值联合概率函数称为变量的似然函数，在已经取得样本观测值的情况下，通过似然函数最大化以求得总体参数估计量的方法称为最大似然法。（这样的参数代表的总体具有最大的概率取得这些观测值） 三、参数估计的矩法(Method of Moment MM) 矩法估计是一种最古典的参数估计方法，其理论基础是大数定律，用样本矩作为相应总体矩的估计量，而以样本矩德 连续函数作为总体矩的连续函数的估计量，这种估计方法称为矩估计法。 设总体分布为X ~ F(x,θ)，其中θ为未知参数(可以是包含多个未知参数的向量）。如果总体分布存在k阶矩，则低于k 阶的矩也存