第二章回归分析概要2(一元模型).ppt

第二章 回归分析概要 第二节 一元线性回归模型 一、 一元线性回归模型的经典假定 单方程计量经济学模型分为线性模型和非线性模型两大类。 在线性模型中，变量之间的关系呈现线性关系；在非线性模型中，变量之间的关系呈非线性关系。 线性回归模型是线性模型的一种，它的数学基础是回归分析，即用回归分析方法建立的线性模型，用以揭示经济现象中的因果关系。 一元线性回归模型是最简单的计量经济学模型，在模型中只有一个解释变量，其一般形式是： 有n个样本观测点的情况下，上式也可以写为： 回归分析的主要目的是要通过样本回归函数（模型）尽可能准确地估计总体回归函数（模型）。 为确保参数估计量具有良好的性质，通常对模型提出若干基本假设。 关于随机干扰项的假定有以下5个方面： 假定1 随机干扰项（误差项）ui（i=1.2…，n），是n个随机变量， ui的取值服从概率分布。 补充知识： 什么是随机变量？ 随机变量，即在同样条件下，多次进行同一试验，所得结果并不完全一样，而且事先不能预言将会发生什么结果的现象。 随机—其偶然性表现在每一次试验前，都不能够准确预言发生哪种结果；其必然性表现在相同条件下多次重复某一试验时，其各种结果会出现一定的量的规律性。 由于随机因素的作用，试验的结果有多种可能性，但对于试验的每一个结果，都有一个与之对应的实数是随机试验结果不同而变化的一个变量，也就是试验结果的函数，称之为随机变量。 什么是概率，什么是概率分布？ 在相同条件下，重复进行n次试验，事件A发生的频率在某个常数P附近摆动，且n越大，摆动幅度越小，则称常数P为事件A的概率，记做 。 离散型随机变量的概率分布 定义1：若随机变量X只能取有限个或可列无穷多个值，称X为离散型随机变量。 定义2：设X为离散型随机变量，它的一切可取值 的概率，可以记为： 称（1）为随机变量X的概率函数，也称概率分布。 假定2 随机误差项的数学期望为零，即 。 在模型中，如果能够保证随机误差项中所包含的都是影响被解释变量的微小因素，那么在众多微小因素的作用下，本假定就是合理的。 假定3 随机误差项ui的方差与i无关，为一个常数。即 ，称ui具有同方差性。 这一假定的含义是对于任意ui ，其分布的方差都是一个常量。反之，称其具有异方差性。 补充知识 什么是方差，什么是异方差？ 在概率论和统计学中，一个随机变量的“方差”描述的是它的离散程度，也就是该变量离它期望值的距离。 一个实随机变量的方差也称为它的二阶距。 方差的算术平方根称为该随机变量的标准差。 同方差性是为了保证回归参数估计量具有良好的统计性质。 假定4 ui为服从正态分布的随机变量。 根据中心极限定理，如果能保证ui由众多的随机因素组成，且每个因素在总的变化中都起不到显著作用，那么就可以认为ui近似的服从正态分布。 假定5 假定不同的随机误差项ui和uj之间相互独立。 关于解释变量Xi的假定： 假定6 Xi是非随机的，且Xi的值是事先固定的。 假定7 Xi和ui相互独立，否则分不清Yi的变化是Xi由引起的，还是由ui引起的。 关于回归模型本身的假定： 假定8 回归模型是正确设定的。 以上假定也可以称为线性回归模型的经典假定（CLM），又称为高斯-马尔科夫假定。满足上述假定的线性回归模型，也称为经典线性回归模型（CLRM）。 在实际建立模型的过程中，除了随机干扰项的正态性假设外，对模型是否满足其他假定都要进行检验。这就是“建立计量经济学模型步骤”中“计量经济学检验”的任务。上述假定能够保证以下我们介绍的估计方法的良好效果。 二、 一元线性回归模型的参数估计 一元线性回归模型的参数估计，是在一组样本观测值下，通过一定的参数估计方法，估计出样本回归线。 常见的估计方法有三种：普通最小二乘法（OLS）、最大似然法（ML）和距估计法（MM）。 （1）普通最小二乘法 对于我们日常研究的经济问题，通常真实的回归直线是观测不到的。因此，只能用抽取样本的方法，取得x,y的部分样本观测值，用样本回归线去推断总体回归线。 这就需要从总体中随机抽取一组个体作为样本，收集样本的目的就是要对这条真实的回归直线作出估计。 由样本来对整体进行推断是计量经济学的主要方法。 回归分析的主要目的就是要通过样本回归模型尽可能准确地估计总体回归模型。 三、 最小二乘估计值的统计性质 当估计出模型参数后，需考虑参数估计值的精度，即是否能够代表总体参数的真值。 一个用于考察总体的估计量，可从如下几个方面考察其优劣性： （1）线性性，即它是否是另一个随机变量的线性函数； （2）无偏性，即它的均值或期望是否