计量经济学21.ppt

第二章 单方程计量经济学模型理论与方法 Theory and Methodology of Single-Equation Econometric Model 单方程线性计量经济学模型的理论基础和参数估计 单方程线性计量经济学模型的统计检验和区间估计 违背古典假设的计量经济学问题 本章知识要点 §2.1 回归分析概述Introduction to Regression Analysis 一、线性回归模型的特征 二、线性回归模型的基本假设 三、相关分析与回归分析 一、线性回归模型的特征 1、线性回归模型的特征 一个例子 凯恩斯绝对收入假设消费理论：消费（C）是由收入（Y）唯一决定的，是收入的线性函数： C = ? + ?Y (2.2.1) 但实际上上述等式不能准确实现。 原因 ⑴消费除受收入影响外，还受其他因素的影响； ⑵线性关系只是一个近似描述； ⑶消费和收入变量的观测误差； ⑷人消费行为的不确定性。 因此，一个更符合实际的数学描述为： C = ? + ?Y+u (2.2.2) 其中： u 是一个随机误差项，是一个小的综合的影响。 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。 （1）在解释变量中被忽略的因素的影响； （2）变量观测值的观测误差的影响； （3）模型关系的设定误差的影响； （4）人的随机行为的影响。 3. 回归分析的理论解释 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条正斜率的直线上。这条直线称为总体回归线，相对于这条直线的方程即总体回归方程。 总体回归方程（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。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，与之相关的被解释变量所有可能出现的对应值的平均值。 二、线性回归模型的基本假设 对于线性回归模型，模型估计的任务是用回归分析的方法估计模型的参数。最常用的估计方法是普通最小二乘法。为保证参数估计量具有良好的性质，通常从数理统计的理论上对模型提出若干基本假设。如果实际问题满足这些基本假设，普通最小二乘法就是一种适用的估计方法；如果实际问题不满足这些基本假设，普通最小二乘法就不再适用，而要发展其它方法来估计模型。 线性回归模型的基本假设 （1）随机误差项具有０均值 E(ui)=0 i=1,2, …,n （2）随机误差项同方差。即 Var (ui)=?u2 i=1,2, …,n （3）随机误差项在不同样本点之间是独立的，不存在序列相关。即 Cov(ui, uj)=0 i≠j i,j= 1,2, …,n （6）随机误差项服从０均值、同方差的正态分布。即 ui~N(0, ?u2 ) i=1,2, …,n 重要提示 经常有实际问题不能够同时满足所有基本假设； 通过模型理论方法的发展，可以克服违背基本假设带来的问题； 违背基本假设问题的处理构成了单方程线性计量经济学理论方法的主要内容之一： 异方差问题（违背同方差假设） 序列相关问题（违背序列不相关假设） 共线性问题（违背解释变量不相关假设） 随机解释变量（违背解释变量确定性假设） 三、相关分析与回归分析 * 2、随机误差项主要包括哪些因素的影响？ 总体回归模型 总体回归方程 样本回归模型 样本回归方程 残差 系统变 化部分 非系统 变化部分 随机误差 消费Y 收入 X 回归分析的目的是，使用样本回归方程(SRF) 估计总体回归方程（PRF）。 Back 线性回归模型是计量经济学模型的主要形式，许多实际经济活动中经济变量间的复杂关系都可以通过一些简单的数学处理，使之化为数学上的线性关系。 4.线性的含义 对变量而言 对参数而言 （4）解释变量X1，X2，…，