第3章 节 _双变量回归模型： 计量经济学-古扎拉蒂 .pptVIP

第3章双变量回归模型：估计问题 安立仁 SRF的构造问题 主要是估计回归函数中的系数 有多种方法 最大似然法 图解法 最小二乘法 最常用的方法：最小二乘法 3.1普通最小二乘法 最小二乘原理 最小二乘的几何解释(画图) 最小二乘系数的推导 最小二乘系数的表达式 3.1普通最小二乘法 基本性质 它通过Y和X的样本均值 估计的Y均值等于实测的Y均值 残差 的均值为零 残差 和预测的Yi值不相关 残差和Xi不相关 3.2经典线性回归模型 最小二乘法的基本假定 假定1:线性回归模型 假定2:在重复抽样中X值是固定的,或非随机的 假定3:干扰项ui的均值为零 假定4:同方差性或ui的方差相等 3.2经典线性回归模型:最小二乘法的基本假定 最小二乘法的基本假定 假定6:ui和Xi的协方差为零 3.2经典线性回归模型 最小二乘法的基本假定 假定7:观测次数n必须大于待估计的参数个数.即观测次数n必须大于解释变量的个数 假定8:X值要有变异性 假定9:正确地设定了回归模型. 假定10:没有完全的多重共线性. 3.2经典线性回归模型 由于被解释变量Yi分布的性质决定于ui ，因而对ui的各项假定也适用于 Yi，从而有： 3.3最小二乘估计的精度或标准误差 方差: 标准误: 3.4最小二乘法回归线性质 回归线的性质 它是通过Y和X的样本均值的一条直线. 估计的Y(即 )的期望值等于实测的Y的期望值. 残差的期望值为零. 残差和预测的Yi值不相关. 残差和Xi不相关. 3.5最小二乘估计量的性质:高斯--马尔可夫定理 一个估计量 的最优线性无偏估计量, 它是线性的 它是无偏的 它是有效的 高斯—马尔可夫定理：在给定经典线性回归模型的假定下，最小二乘估计量，在无偏线性估计量一类中，有最小方差，就是说它们是BLUE（P58-59） 3.6判定系数R2:拟合优度的一个度量 TSS=ESS+RSS 相关系数: 3.7相关系数与相关分析 相关系数 ? ? ? ? Y X 0 Ⅲ Ⅳ Ⅱ Ⅰ 3.7相关系数与相关分析 相关系数的表达式 3.7相关系数与相关分析 从经验上看 当0|r|0.3时，X和Y为微弱相关 当0.3≤|r|0.5时，X和Y为低度相关 当0.5 ≤ |r|0.8时，X和Y为中度相关 当0.8 ≤ |r|1时，X和Y为高度相关 当|r|=1时，X和Y为完全相关 3.7相关系数与相关分析 斯皮尔曼（Spearman）相关系数 斯皮尔曼相关系数也称为等级相关系数，侧重于观测现象的等级，就是把有关联的品质标志按其表现排列为等级，形成X和Y的两个序数数列，再测定这两个序数数列之间的相关程度 恩格尔和格兰杰获得2003年诺贝尔经济学奖 * *