3计量经济学.pptVIP

认清4种线性模型表达式： 关于极大似然 估计(MLE) (Maximum Likelihood Estimation) 一元线性回归模型中参数的极大似然 估计。 可见 ， 的OLS估计与ML相同 课本例2.2.1; 小样本性质：线性、无偏性、有效性（方差最小） 线性回归模型中“线性” 的含义 两重含义: S2.2.5参数估计量 的概率分布和随机误差项方差 的估计. 首先,根据模型的基本假设, 在实际当中， 实际上不知道，那么 的方差仍然是不知道的，对参数估计的精度没有一个定量的结果。不利于误差分析。 下面解决 的估计问题： 我们知道， S2.3 一元线性回归模型的统计检验 对于计量经济模型,参数估计出来后,要进行检验,前面我们已经作了关于经济理论检验的练习,这里讲统计检验. 其中TSS(total sum of squares )表示总体离差平方和,表示所有影响因素对被解释变量造成的总影响. 其中ESS(explained sum of squares )表示由我们建立的模型引入的( 解释)变量引起的波动.其取值的大小反映了解释变量对被解释变量影响的大小. 这里我们采用 显然,这个比值越接近1,说明模型越好,对样本数据的拟合程度越优. 或者说RSS会越来越大 S2.3.2 变量的显著性检验(也称为系数的显著性检验) 假设检验的原理: 即小概率原理,小概率原理认为发生概率很小的事件在一次试验中是不可能发生的. 假设检验的步骤: 1.建立原假设和备择假设: 2.当原假设成立时,构造统计量T. 3.给定显著性水平 ,求出拒绝域 W. 4.把样本数据代入统计量求得值 ,当 S2.3.2.2变量(系数)的显著性检验 对一元线性回归模型而言,就是对参数估计值 * * S2.1.5线性回归模型的表达式 主要内容的回顾： （1）各解释变量 不是随机变量，是确定性变量，并且各解释变量之间互不相关。 （2）随机误差项具有零均值和同方差（与i无关）; 即 （3）随机误差项在不同样本点之间是独立的，不存在序列相关（自相关）。即 （4）随机误差项与解释变量之间不相关。即 （5）随机误差项服从正态分布，即 随机误差项应满足的五条基本假设是： 最小二乘估计的原理: 使得观测值与估计值的差的平方和取得最小值时的参数的取值,就是模型的最小二乘估计值. 最小二乘估计（Least Squares Estimation） 最小二乘估计量 的性质: BLUE 线性,无偏性和有效性(方差最小性) 极大似然估计原理：发生概率最大的做为参数的估计，是从发生概率角度去对参数进行估计的。最小二乘法原理：将使模型能最好的拟合样本数据的参数取值做为参数的估计。 极大似然估计的步骤： 1.已知分布密度函数 ，求出样本的似然函数 。 2.建立似然方程。对似然函数关于未知参数 求偏导，令其等于0。 3.解似然方程，得到参数的估计。 大样本性质：渐进无偏性、一致性、渐进有效性 （方差最小） 1.是指被解释变量 Y 与 X 解释变量之间为线性关系. 计量经济学中更重视第2种线性关系,因为只要Y与参数 之间为线性关系,即使模型不满足第1种线性关系,我们也可以通过变换,是变幻后的被解释变量与解释变量之间的关系实现线性化. 2.是指被解释变量 Y与参数 之间为线性关系. 所以, 都服从正态分布. 见课本38页 而残差是可以观测的。 利用极大似然法，得到残差的ML估计： 所以在实际当中,我们常利用 作为 的估计. S2.3.1拟合优度检验 先来对总的离差平方和进行分解. 主要是用来检验得出的模型对样本数据 的拟合程度. (总离差) 残差 回归离差 TSS (总离差平方和) ESS（回归平方和） RSS （残差平方和） TSS= ESS+ RSS 其中RSS(residual sum of squares)表示由不能确定的其它小的随机因素造成的影响.其取