计量经济学3.1-3.2.pptVIP

OLS估计量的方差和标准误差 五、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 ⒈ 最小样本容量 样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即 n ? k+1 因为，无多重共线性要求：秩(X)=k+1 2、满足基本要求的样本容量 从统计检验的角度： n-k?8时, t分布较为稳定 一般经验认为: 当n?30或者至少n?3(k+1)时，才能说满足模型估计的基本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 实例 例3.2.2 在例2.5.1中，已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。 解释变量：人均GDP：GDPP 前期消费：CONSP(-1) 估计区间：1979~2000年 Eviews软件估计结果 * 第三章:多元回归分析 * 本章主要内容 § 3.1 K变量线性回归模型 § 3.2 参数?的估计和统计性质 § 3.3 样本决定系数与偏相关系数 § 3.4 回归系数和回归方程的显著性检验 § 3.5 预测 §3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 三、偏回归系数的含义 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。这样： 模型中解释变量的数目为（k+1） 随机表达形式: 非随机表达式: 方程表示：各变量X值固定时Y的平均响应。 ?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化; 或者说?j给出了Xj的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。 1. 总体回归函数 多元线性回归函数的矩阵表示 总体回归函数PRF给出的是给定解释变量X2 ~ Xk 的值时，Y的期望值：E ( Y | X2，X3，…，Xk )。 假定有n组观测值，则可写成矩阵形式（n个方程，k+1个参数构成）： 矩阵X的每一列表示一个解释变量的n个观测值向量，截距项对应的观测值为1。 2.样本回归函数：用来估计总体回归函数 其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项?i的近似替代。 样本回归函数的矩阵表达: 或 其中： 二、多元线性回归模型的基本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。 二、多元线性回归模型的基本假定 假设2，随机误差项具有零均值、同方差及序列不相关性 二、多元线性回归模型的基本假定 假设3，解释变量与随机项不相关 将X 对Y的影响和随机项的影响区分开 * 假设4，随机项满足正态分布 * 古典假定5 假定5：无多重共线性，即假定各解释变量 之间不存在线性关系 * 古典假定 6 假定6： 模型设定没有偏误 所有上述都是建立在假设6的基础上，即回归模型的设定是正确的。 三、偏回归系数的含义 ?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化; ?Y ?X3 = ?3 度量了在保持 X2 不变的条件下， X3 改变一个单位Y的平均改变量。 ?Y ?X2 = ?2 度量了在保持X3 不变的条件下， X2 改变一个单位Y的平均改变量。 二、偏回归系数的含义 ?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化;在其他变量不变的情况下，Xj 对Y均值的直接或净影响。 §3.2 多元线性回归模型的估计 估计方法：OLS 一、普通最小二乘估计 二、参数估计量的性质 三、回归方程的数学性质 四、随机误差项的估计量 五、样本容量问题 * ? 的最小二乘估计 (一)OLS估计量 （1） 样本回归函数： OLS就是要选择未知参数，使得残差(RSS)平方和最