[经济学]计量经济学前沿-2.pptVIP

2006.9 经典计量经济模型与分析回顾 线性回归模型 线性回归模型 Linear regression model 线性回归模型（续） 线性回归模型回顾（续）：截面数据的回归分析（Regression Analysis） 对给定的n次随机样本观察值 1） 建立样本回归模型（sample regression model ） SRM 2）在给定影响因素变量 X 的条件下，研究随机变量Y 的条件期望或平均预期F(y/ xi ) ， 在一定的假设条件下对条件平均预期的样本回归函数SRF (sample regression function )的参数进行估计 截面数据的回归分析：简单回归模型 SLRM ( Simple Linear Regression Model ) 只考虑一个主要影响因素 假定： SLR 1 x 以外的其它因素对 y 的平均影响为零 SLR 2 误差项 μ 的均值不依赖于 x ， 零条件均值假定 SLR 3 回归的含义：平均经济回归(AER) SLR 4 线性关系 E(y/x) 关于变量(至少关于参数）是线性的。 x 的任一单位变化引起 y 的变化都是相同的 β ： SLR 5 误差项具有同方差性： 方法：最小二乘估计 （OLS estimation）Ordinary Least Squares 定义 : 剩余偏差或残差（Residual Term) 为： 最小二乘OLS估计原理：选择估计的 ,使得 其中， 简单回归模型参数的OLS估计量 正规方程（优化解的一阶条件）： 或 参数估计 与OLS估计量相关的性质 与OLS 残差相关的量及代数性质 1）残差 ei 与模型误差项μi 的关系，它的含义是什么？ 2）正规方程的含义及推论 3）误差项方差的估计量 参数OLS估计量的性质 OLS估计量的无偏性： 在假定SLR.1~SLR.4下，对总体参数的任意值有 在假定SLR.1~SLR.5下，高斯-马尔科夫定理成立。 即： 参数的OLS估计量是最佳线性无偏估计量（BLUE） Best Linear Unbiased Estimator 无偏性、有效性、误差项的线性估计量特性的证明 SLR模型分析应用例 多元线性回归（MLR）模型变量及基本要素 线性假设的普遍性与重要性 用OLS方法估计MLR模型的假定： MLR.1 关于参数是线性的 MLR.2 随机抽样性 MLR.3 零条件均值 MLR.4 解释变量间不存在完全共线性 MLR.5 同方差性 MLR.6 总体误差正态性 OLS方法估计参数 变量的横截面观测数据（Yi, Xi1, Xi2…… Xik） 对 i =1,2,…,n 是来自MLR模型描述的总体的一个随机样本。 SRM K+1个正规方程： 多元回归模型是怎样模拟一个“排除其它变量影响”的实验？ 以第一个变量的系数为代表，探讨 的估计量及含义 将第一个解释变量对其余解释变量做回归， 有 其中 多元回归模型是怎样模拟一个 “排除其它变量影响”的实验？（续） OLS估计量的性质 OLS估计量的无偏性： 在假定MLR.1~MLR.4下，对总体参数的任意值有 在假定MLR.1~MLR.5下， 高斯-马尔科夫定理成立： OLS估计量是最佳线性无偏估计量B