庞浩计量经济学第二章简单线性回归模型.ppt

无偏性 一、拟合优度的含义 在用样本观测值和普通最小二乘法估计了简单线性回归模型的参数，并确定了样本回归线以后，首先要根据经济理论及实际问题中X和Y的关系，对回归系数估计值的符号及大小进行直观上的判断。如果符号及大小均符合经济理论及实际问题中X和Y的关系，那么再对估计结果进行统计检验。 本节所检验的是：所估计的样本回归线对样本观测数据拟合的优劣程度，称为样本回归线的拟合优度（goodness of fit）。 三、可决系数 说 明 可决系数r2的取值范围为：[0，1]，r2=0说明变量X和Y没有线性关系； r2=1说明样本观测点都落在一条直线上，即样本回归线。 可决系数测度了在Y的总变异中，由回归模型解释的那个部分所占的比例或百分比。 可决系数是随抽样而变化的随机变量。 四、可决系数与相关系数的关系 说 明 二、回归系数的假设检验（显著性检验） 检验目的：检验所建立的回归模型中解释变量X对被解释变量Y是否有显著影响。 假设检验的基本思想：先假定所作假设H0成立，然后找一个在假设H0成立条件下出现的可能性甚小的小概率事件，如果试验或抽样的结果导致该事件发生，则表明假设有问题，应予以否定，即拒绝接受这个假设。否则不能拒绝原假设，即接受这个假设。 小概率的值：规定一个界限 ，当一个事件的概率不大于 时，即认为它是小概率事件， 称做显著性水平。 P 值 在既定原假设下，计算出回归系数的t统计量 以后，由t分布的性质可求得统计量大于 的概率， 其中， 是t统计量大于 值的概率，也就是尚不能拒绝原假设 的最大显著性水平，称为所估计的回归系数的P值。 三、回归分析结果的报告 四、被解释变量平均值的点预测 运用计量经济模型作预测：指利用所估计的样本回归函数，用解释变量的已知值或预测值，对预测期或样本以外的被解释变量数值作出定量的估计。 对应变量的预测又分为点预测和区间预测。 预测值、平均值、个别值的相互关系 是真实平均值的点估计,也是对个别值的点估计 本章小结 现代意义的回归， PRF，SRF， OLS的基本原理，简单线性回归模型参数估计量的表达式， 古典假定，高斯——马尔可夫定理， 可决系数， OLS估计量的分布，显著性检验， 回归分析结果的报告，点预测 * 线 性 令 * 线 性 * 线 性 * 线 性 * 无偏性 * 最小方差性 首先，求解： 根据无偏性的证明， 和 其中， 所以， 其中， 所以， 证明 和 是 和 的所有线性无偏估计中方差最小的 假设 和 是总体未知参数 和 的另一线性无偏估计， 设： 则， 根据假设 所以， 又因为， 所以， 其中， 其中， 所以， 所以， 是 的所有线性无偏估计中方差最小的。 同理可证， 是 的所有线性无偏估计中方差最小的。 结论：在古典假定下,OLS估计式是最佳线性无偏估计式（BLUE）。 这一结论称为高斯—马尔可夫定理。 * 第三节 拟合优度的度量 一、拟合优度的含义 二、总变差的分解 三、可决系数 四、可决系数与相关系数的关系 * 二、总变差的分解 * * * * * * * * * Y X Xi 称为：总变差或总离差平方和，记为TSS，反映以被解释变量平均值为基准的被解释变量样本观测值的总变动。 称为：回归平方和，记为ESS，反映由样本回归线所解释的总离差平方和。 称为：残差平方和，记为RSS，反映不能由样本回归线所解释的总离差平方和。 称为：可决系数，或决定系数、判定系数，反映由样本回归做出解释的离差平方和在总离差平方和中的比重。其数值越大，说明样本回归线对样本值的拟合越好。 建立在相关分析的理论基础上，变量X和Y的地位平等，研究两变量间的线性相关关系。 从数值上， 建立在回归分析的理论基础上，X是解释变量，Y是被解释变量，研究随机变量Y的变动中，由非随机变量X所解释的部分所占的比例。 * 第四节 回归系数