计量经学第3章.pptVIP

《计量经济学》，王少平、杨继生、欧阳志刚主编 《计量经济学》，王少平、杨继生、欧阳志刚主编 在第二章，我们以人为设计的收入与消费数据，讨论了总体回归模型与样本回归模型。本章分析一元线性回归模型的经典假定，以及经典假设下的最小二乘估计方法和估计量的统计性质、区间估计、假设检验，并运用蒙特卡洛模拟直观认识和验证最小二乘估计量的统计性质。 第三章 一元线性回归模型 §3.4 例子：中国消费函数 § 3.5 对最小二乘估计量统计性质的直观认识---蒙特卡洛模拟 §3.3 回归参数的区间估计和假设检验 §3.2 拟合优度 §3.1 一元线性回归模型参数的估计 本章小结 §3.1 一元线性回归模型参数的估计 一元线性回归模型是指模型中只有一个解释变量的模型，也称为简单线性回归模型，其一般形式是： （3.1.1） Y为被解释变量，X为解释变量。因为模型中共有两个变量，所以，模型（3.1.1）也被称为双变量线性回归模型，β0与β1为待估参数，ui为随机误差项或随机扰动项。 以上这些对随机扰动项的假定是由德国数学家高斯（Gauss）最早提出的，也称为线性回归模型的经典假定或高斯假定，满足上述假定的线性回归模型，称为经典线性回归模型 一、基本假定 1、对模型与变量的假定 假定1：回归模型对参数（系数） 而言是线性模型。 假定2：解释变量是外生变量。 假定3：模型是正确设定的。 2、对随机扰动项的假定 假定4：零均值假定 假定5：同方差假定 假定6：无自相关假定 （3.1.3） 即在给定解释变量的条件下，随机扰动项的条件均值为零 即 （3.1.5） 解释变量X是外生变量，是指在重复抽样中，X取固定不变的值。这一假定意味着我们的回归分析是条件回归分析，就是以解释变量X的给定值作为条件的。根据这一假定，有解释变量X与随机扰动项ui不相关，即： （3.1.2） （3.1.4） 即 所谓线性回归模型是指关于参数是线性的模型。无论关于变量是线性还是非线性的模型，只要它关于参数（系数）是线性模型，都称为线性回归模型。比如： (1)变量、参数均为“线性”，这是线性回归模型； (2)参数“线性”，变量“非线性”，这也是线性回归模型； (3)变量“线性”，参数“非线性”，这就是一个非线性回归模型。 (1) (2) (3) 即模型对变量和函数形式没有设定偏误，它的确切含义将在第５章中讨论。 二、普通最小二乘法（OLS） Yi的变化可以分为两部分，一部分是可以由Xi的变化解释的，另一部分来自随机扰动。Yi向Xi所解释的“平均水平”回归，这就是“回归”的含义。而斜率系数β1是指，Xi每变化一个单位，Yi平均变化β1个单位。β0是样本回归直线的截距。 基于假定3，我们对模型（3.1.1）取条件期望，则有： （3.1.6） 即： （3.1.7） 第一步 构造含有待估计系数的残差平方和 并对其求最小 第二步 对残差平方和求两个系数的偏导数 （一阶条件） （3.1.8） 正则方程 （3.1.9） （3.1.9）式即为OLS估计量 对第二步的进一步演算 在（3.1.9）式中，令 ， 和分别称为Xi和Yi的离差形式，也可称为对Xi和Yi的中心化处理。为方便，我们 以下分析过程中，将和号 简写为 。容易证明： （3.1.10） （3.1.11） 于是，估计量（3.1.9）可以表示为离差形式： （3.1.12） 在计量经济学中，往往以小写字母表示对均值的离差。由于 和