第四讲(计量经济学）.pptVIP

最大似然估计与最小二乘估计量的关系： 在满足经典线性回归模型的基本假定之下，模型参数的最大似然估计量与普通最小二乘估计量是相同的。 但是，扰动项的方差估计是不同的。 四、一元线性回归模型普通最小二乘估计量的性质 在经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。 五、参数估计量的概率分布及随机干扰项方差的估计 用可决系数R2来反映拟合优度： 性质：1、可决系数取值范围为：[0，1] 2、可决系数的意义：拟合优度越高，可决系数越接近于1，说明残差越小，模型越好。 二、条件均值的置信区间 * 第三讲回顾： 最小二乘估计残差的性质 最小二乘估计残差的其他性质（课后习题） 普通最小二乘估计量与参数的关系 二、经典线性回归模型的基本假设 1、解释变量确定 2、随机扰动项： 当解释变量一定时，期望为0，且所有随机扰动项同方差，序列不相关，随机扰动项服从正态分布。 3、解释变量与随机扰动项不相关，即 推论： 相互独立。 随机扰动项方差的估计 三、参数的最大似然估计(ML) 注意：若随机扰动项不服从正态分布，则最小二乘估计与极大似然估计不一定相同。 衡量估计量好坏的标准： 无偏性：若 则称 是 的无偏估计。 有效性：对参数 的两个无偏估计， 如果 则称 比 有效。 一致性： 的估计， 如果对任意的 有 则称 是 的一致估计，记作： 无偏性、有效性 渐近无偏性、渐近有效性、 样本容量一定时的性质。 样本容量变大时的性质。 一致性。 高斯—马尔可夫定理(Gauss-Markov theorem) 证： 无偏性：即 有效性：在所有线性无偏估计中，最小二乘估计的方差最小。 证明最小方差性 由于此估计量为无偏估计量，因此 易证： 下面证明： 一致性：大样本性质： 1、普通最小二乘估计的分布 概念：参数估计量的样本标准差 六、一元线性回归模型参数的区间估计：置信区间。 参数β1的区间估计所需要的统计量： 得置信区间： 设置信水平 一元线性回归模型参数的区间估计：置信区间。 参数β0的区间估计所需要的统计量： 得置信区间： 设置信水平 §2.3 一元线性回归模型的统计检验 一、拟合优度Goodness of Fit, Coefficient of Determination 拟合优度：对模型与样本观测值之间的切合程度所进行的度量。 记 总离差平方和（Total Sum of Squares） 回归平方和（Explained Sum of Squares） 残差平方和（Residual Sum of Squares ） 总离差平方和的分解 TSS=ESS+RSS 证明： 可决系数与参数估计的关系。 可决系数与相关系数的关系： 二、变量的显著性检验 Testing Significance of Variable 作用：解释变量对被解释变量是否有显著的影响进行检验。 假设 H0：?1=0，H1：?1?0 检验统计量： 在原假设成立时， |T| t ?/2 (n-2)时，拒绝零假设。否则接受零假设。 显著性假设检验： §2.4 一元线性回归分析的应用：预测 问题：给定解释变量的值X0，对被解释变量进行预测？ 显然： 1、?0是条件均值E(Y|X=X0)的无偏估计 预测的期望与方差： *