2简单二元回归PPT.ppt

Intermediate Econometrics zpf * 假定SLR.1 （关于参数是线性的） 在总体模型中，因变量 y 和自变量 x 和残差 u 的关系可写作 y = b0 + b1x + u , 其中 b0 和 b1 分别是总体的截距参数和斜率参数 Intermediate Econometrics zpf * 假定SLR.2 (随机抽样): 假定我们从总体模型随机抽取容量为n的样本, {(xi, yi): i=1, 2, …, n}, 那么可以写出样本模型为 yi = b0 + b1xi + ui Intermediate Econometrics zpf * 假定 SLR.3 和 SLR.4 SLR.3, 零条件期望： 假定 E(u|x) = 0 . 那么在随机样本中我们有 E(ui|xi) = 0 SLR.4 (自变量中的样本变动): 在样本中，自变量 x 并不等于一个不变常数。 Intermediate Econometrics zpf * 定理2.1 ( OLS的无偏性) 使用假定SLR.1到SLR.4，我们可以得到无论b0,和b1 取什么值，它们的OLS估计量的期望值等于它们各自的真值。 证明: Intermediate Econometrics zpf * OLS的无偏性(继续） 为了思考无偏性，我们需要用总体的参数重新写出估计量 把公式简单地改写为 Intermediate Econometrics zpf * OLS的无偏性(继续） Intermediate Econometrics zpf * 讲义总结 介绍简单线性回归模型 介绍通过随机样本的数据运用普通最小二乘法估计斜率和截距的参数值 Intermediate Econometrics zpf * 2.3 OLS的操作技巧 拟合值和残差（演示残差计算） OLS的代数特性 拟合优度 使用stata做OLS 回归 改变测量单位对OLS统计量的效果 Intermediate Econometrics zpf *  例：CEO的薪水和资本权益报酬率 Intermediate Econometrics zpf * 例：CEO的薪水和资本权益报酬率 变量salary衡量了已1000美元为单位的年薪，其最小值，均值和最大值分别如上。 Roe＝净收入/所有者权益，为三年平均值。 * 例：CEO的薪水和资本权益报酬率 对估计量的解释： 常数项的估计值衡量了当roe为零时CEO的薪水。 b1 的估计值反应了ROE若增加一个百分点工资将增加18500美元。 * OLS的代数性质（操作技巧） OLS 残差和为零 （p24) 因此 OLS 的样本残差平均值也为零. Intermediate Econometrics zpf * OLS的代数性质 回归元（解释变量）和OLS残差之间的样本协方差为零 (p25) Intermediate Econometrics zpf * OLS的代数性质 OLS回归线总是通过样本的均值。 Intermediate Econometrics zpf * OLS的代数性质 我们可把每一次观测看作由被解释部分和未解释部分构成. 预测值和残差在样本中是不相关的 Intermediate Econometrics zpf * OLS的代数性质 Intermediate Econometrics zpf * 更多术语 定义总平方和为 Intermediate Econometrics zpf * 更多术语 总平方和是对y在样本中所有变动的度量，即它度量了y在样本中的分散程度 将总平方和除以n-1,我们得到y的样本方差。 Intermediate Econometrics zpf * 更多术语 解释平方和定义为 它度量了y的预测值的在样本中的变动 Intermediate Econometrics zpf * 更多术语 残差平方和定义为 残差平方和度量了残差的样本变异 Intermediate Econometrics zpf * SST, SSR and SSE y 的总变动可以表示为已解释的变动SSE和 未解释的变动SSR之和，即 SST=SSE+SSR Intermediate Econometrics zpf * 证明 SST = SSE + SSR Intermediate Econometrics zpf * 该证明中我们使用了一个事实, 即样本中因变量的拟合值和残差不相关. 证明 SST = SSE + SSR Intermediate Econometrics zpf * 拟合优度 我们如