计量经济学课件-第二章.pptVIP

第二章 一元线性回归模型 一、回归分析概述 例2.1 一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 为研究，将100户家庭分成收入水平接近的10组。 分析： 1、由于收入之外的因素影响，同一收入组的家庭消费支出存在差异 2、在总体已知的情况下，可以知道同一收入组的家庭的消费支出的分布情况。 比如，月收入800的家庭其支出分布为： 则该组的支出均值为： 3、将每一组的（ ）绘制成散点图发现：两者是直线关系。 4、由于总体分布已知，我们可以计算出这条直线。 5、但是，我们碰到的实际问题是：总体分布是未知的，因而无法计算出这条直线，只能通过样本拟合一条直线作为总体直线的估计。下面是来自总体的一个样本 表2.2 样本数据 上述回归分析逻辑过程中的四个概念： 1、总体回归模型 2、总体回归直线 3、样本回归模型 4、样本回归直线 6、回归分析的主要目的：如何估计这条直线？如何检验推断的可靠性？ 二、经典一元线性回归模型 1、一元线性回归模型 解释变量和被解释变量。 随机项、扰动项、误差项 U的内容： 真正随机因素 省略的解释变量 模型设定的偏误 观测误差 2、为保证模型具有良好的估计特性，经典模型做出如下假定： (1) i=1,2, …,n (2) i=1,2, …,n (3) i=1,2, …,n (4) x非随机变量， i=1,2, …,n (5) u服从零均值、同方差、零协方差的正态分布 Ui~N(0, ??2 ) i=1,2, …,n 满足这些假定称为经典线性回归模型（Classical Linear Regression Model, CLRM） 普通最小二乘估计 普通最小二乘法（Ordinary Least Squares, OLS）给出的判断标准是：二者之差的平方和最小 根据极值定理可得： 整理得到关于估计量的正规方程组（ normal equations ） 解得估计量为： 离差形式为 其中： 称为Ordinary Least Squares Estimators 在例2.1家庭可支配收入-消费支出例中，对于所抽出的一组样本数，参数估计的计算可通过下面的表2.3进行。  表2.3 计算表 解得估计量为： 四、OLS估计量的统计性质 验证估计量的性质以证明估计量对总体特征的代表性。 1、线性性－估计量是被解释变量的线性组合。以 为例 2、无偏性 3、有效性 （1）估计量的方差 亦可求得： (2) 有效性证明 不妨设有另一线性无偏估计量 因为： 又： 令： 则： 又： 所以： 五、可决系数 可决系数的构造和意义 Y的变动取决于X和U的变动，可以通过对Y的离差平方和分解来确定两个影响因素的影响程度 即TSS(Total Sum of Squares )=ESS(Explained Sum of Squares ）+RSS（ Residual Sum of Squares ） 因此，可以构造一个指标来反映x对Y的解释能力： 可决系数的取值范围[0 1] 例1中的可决系数 六、随机项U的方差估计 估计U为计算估计量的有关统计特征 估计思路：残差是随机项的样本值，因此可用残差的方差来估计U的方差，但是要保证估计的无偏性。 设 要使 所以