第二篇 章 一元线性回归模型 计量经济学课件.ppt

1）满足线性性、无偏性、有效性三个小样本性质的参数估计量称为最佳 线性无偏估计量（best linear unbiased estimator，BLUE）。 2）满足小样本性质的参数估计量自然也满足大样本性质。 3）在小样本性质不满足的情况下，应扩大样本容量，考察大样本性质。 4）在满足基本假设情况下，一元线性回归模型的普通最小二乘参数估计 量是最佳线性无偏估计量。（why??） 几点说明： 五、普通最小二乘样本回归函数的性质 1．样本回归线过样本均值点， 满足样本回归函数 即点 2．被解释变量的估计的均值等于实际值的均值，即 3．残差和为零，即 4．解释变量与残差的乘积之和为零，即 5．被解释变量的估计与残差的乘积之和为零，即 六、随机误差项方差的估计 1．随机误差项的方差的普通最小二乘估计量 随机误差项的方差的普通最小二乘估计量为 （2-35） 是一个无偏估计量。 2．随机误差项的方差的最大似然估计量 随机误差项的方差的最大似然估计量可通过对数似然函数 求得。 即 按照最大似然法的基本思想，要求 使对数似然函数 极大化，求对数似然函数对 的偏导数，并令求偏导的结果等于0，得 由此可解得 （2-36） 第三节 一元线性回归模型的拟合优度检验 拟合优度——指样本回归线对样本数据拟合的精确程度 拟合优度检验——检验样本回归线对样本数据拟合的精确程度 拟合优度检验方法——通过构造表征拟合优度的统计量，对模型的拟合 效果作出评价 拟合优度检验实质——通过残差平方和构造了拟合优度的度量指标一一 决定系数，其基础是被解释变量的离差分解。 一、离差分解 如图2-3所示 图2-3 被解释变量的离差 = （2-37） 记 = ——总体平方和或总离差平方和 反映样本观察值的总体离差的大小 ——回归平方和 反映模型中由解释变量解释的那部分离差的大小 = = = ——残差平方和 反映模型中解释变量未解释的那部分离差的大小 这样，式（2-37）可表示为 （2-38） 二、决定系数 （2-38） 同除以总体平方和 （2-39） （2-40） 是模型中由解释变量解释的那部分离差占总离差的比重 （2-41） 是模型中解释变量未解释的那部分离差占总离差的比重 决定系数（ ） （2-42） 例2-4 以例2-3为例（假设一个由100个家庭构成的总体，并假设这100个家庭的月可支配收入水平只限于1300元、1800元、2300元、2800元、3300元、800元、4300元、4800元、5300元、5800元10种情况，每个家庭的月可支配收入与消费数据如表2-1所示，要研究这一总体的家庭月消费支出Y与家庭月可支配收入X之间的关系，以便根据已知的家庭月可支配收入水平测算该总体的家庭月消费支出平均水平。） 求关于家庭消费支出与可支配收入关系的一元线性回归模型的拟合优度。 模型的拟合效果较好 或 三、决定系数与相关系数的关系 第四节 一元线性回归模型的参数的统计推断 ◆参数的假设检验 ◆参数估计与检验结果的表述 ◆参数的区间估计 ◆参数估计量的分布 事实上，经济活动中的总体包含的个体的数量往往非常多，一般不 大可能像例2-1假设的那样得到总体中所有个体的观察数据，因此也就不 大可能依据总体的所有观察数据计算得到被解释变量Y的条件期望，无 法画出精确的总体回归曲线，相应地，总体回归函数的具体形式也无法 精确确定。所以，对于总体回归函数，通常只能根据经济理论或实践经 验进行设定，也就是说，通常需要对总体回归函数作出合理的假设。 2．总体回归模型 可由其期望值 和随机误差项 表示为 对于只有一个解释变量X的情形，第i个个体的被解释变量的观察值 （2-6） （2-7） 可由其期望值 和随机误差项 表示为 对于含有多个解释变量 的情形，第i个个体的被解释变量的观察值 、 、 、 （2-6）或式（2-7）是总体回归函数的个别值表示方式，因为引入了随机 误差项，称为总体回归函数的随机设定形式，也是因为引入了随机误差项， 成为计量经济学模型，称为总体回归模型（pop