计量经济学-第二章一元线性回归模型.ppt

2.3 一元线性回归模型的参数估计 四 最小二乘估计量的统计性质 线性性 指估计量 ， 是 的线性组合。 其中， 2.3 一元线性回归模型的参数估计 四 最小二乘估计量的统计性质 无偏性 即以X的所有样本为条件，估计量 ， 的均值等于总体回归参数真实值 和 。 所以， ， 2.3 一元线性回归模型的参数估计 四 最小二乘估计量的统计性质 有效性（最小方差性） 即在所有线性无偏估计量中，普通最小二乘估计量 和 具有最小方差。 2.3 一元线性回归模型的参数估计 四 最小二乘估计量的统计性质 有效性（最小方差性） 假设 是其他估计方法得到的关于 的线性无偏估计量： 其中， 得到： 普通最小二乘估计量具有线性性、无偏性和有效性，是最佳线性无偏估计量，也称高斯-马尔科夫定理。 2.3 一元线性回归模型的参数估计 四 最小二乘估计量的统计性质 大样本性质 除了拥有好的小样本性质外，还拥有好的大样本性质 2.3 一元线性回归模型的参数估计 五 和 的概率分布及 的方差估计 参数估计量的概率分布 为了达到对所估计参数精度测定的目的，还需进一步确定参数估计量的概率分布。 和 概率分布取决于 2.3 一元线性回归模型的参数估计 五 和 的概率分布及 的方差估计 随机干扰项的方差估计 在估计的参数 和 的方差表达式中，都含有随机干扰项的方差 。由于 实际上是未知的，因此， 和 的方差实际上无法计算，需要对其估计。由于随机扰动项 无法观测，只能从残差 出发，对总体方差进行估计。 最小二乘估计量 最大似然估计量 矩估计量 2.4 一元线性回归模型的统计检验 一 拟合优度检验 为什么需要进行统计检验？ 尽管从统计性质上已知，如果有足够多的重复抽样，参数估计值的均值就等于其总体的参数真值，但是在一次抽样中，估计值不一定就等于该真值。 拟合优度检验：检验模型对样本观测值得拟合程度 构造一个统计量并计算其数值，然后与某一个标准进行比较，得出检验结论。 在一个特定的条件下做得最好的并不一定是高质量的，普通最小二乘是同一个问题内部的比较，拟合优度检验是不同问题之间的比较。 2.4 一元线性回归模型的统计检验 一 拟合优度检验 拟合优度检验：检验模型对样本观测值得拟合程度 从左图可以看出，第二图 拟合效果更好，需要构造 一个统计量去衡量。 2.4 一元线性回归模型的统计检验 一 拟合优度检验 总离差平方和的分解 样本回归线 Y的第i个观测值与样本均值的 离差 可分解为两部分之和 2.4 一元线性回归模型的统计检验 一 拟合优度检验 总离差平方和的分解 Y的观测值围绕其均值的总离差平方和可以分解为两个部分：一部分来自回归线，另一部分来自随机势力。因此，可用来自回归线的回归平方和占Y的总离差平方和的比例判断样本回归线与样本观测值的拟合优度。 能否直接使用残差平方和作为拟合优度检验的统计量？作为检验统计量一般应该是相对量，而不能是绝对量。因为用绝对量无法设置标准。残差平方和与样本量n密切相关。 2.4 一元线性回归模型的统计检验 一 拟合优度检验 可决系数 在总离差平方和中，回归平方和所占的比重越大，残差平方和所占的比重越小，回归直线与样本点拟合得越好。如果模型与样本观测值完全拟合， ，越接近1，模型拟合优度越高。 非负统计量 2.4 一元线性回归模型的统计检验 二 变量的显著性检验 旨在对模型中被解释变量与解释变量之间的线性关系是否显著成立作出推断，或者所选解释变量是否对被解释变量有显著的线性影响。 假设检验 根据样本所提供的信息，对未知总体分布的某些方面的假设作出合理的判断。 程序：根据实际问题的要求提出一个假设，称为原假设H0，然后根据样本信息，对H0的真伪进行判断，作出拒绝H0或接受H0的决策。 小概率