政治大学财政所与东亚所选修课程名称：应用计量分析--中国...课件.pptVIP

連續（Continuous）隨機變數的機率分配:對於連續隨機變數Y，其機率密度函數 f(y) 可以用一個等式（equation）來表示，而該等式可以用一條曲線來圖式。對於連續隨機變數而言，機率密度函數下方的面積即是對應的機率。 f(y) y f(y) P[a≦Y≦b] : a b * 例： f(u)= 1/(b-a) if a≦u≦b 0 otherwise f(u) 1= b-a 1 0 0.1 0.3 1 u * 3.聯合機率密度函數（Joint Probability Density Function） P G 國民黨=0 民進黨=1 其他 = 2 性別總和 男=0 女=1 政黨總和 200 300 60 560 270 100 70 440 470 400 130 1000 * 聯合機率函數（Joint probability function） 0 1 0.2 0.27 0.3 0.10 0.06 0.07 0.56 0.44 0.47 0.40 0.13 1 0 1 2 G P 邊際機率 Marginal Probability f(P , G)=f(0 , 0)=0.2 f(0 , 1)=0.27 * 獨立隨機變數（Independent random variables）： 若 X和 Y為獨立隨機變數，則對於每一組f(x,y)值，f(x , y)=f(x)f(y) 共變數（Covariance）:可以正確地指出兩個隨機變數所顯示的共同變動程度。和單一隨機變數的平均值及變異數一樣，共變數也是一個數學期望值。 共變數的大小很難解釋，因為它決定於隨機變數的衡量單位。 * 如果我們把X和Y的共變數除以它們個別的標準差，共變數的意義就會更明白地顯現出來。經過這樣處理後所得到的比率，定義為隨機變數X和Y之間的相關係數（correlation coefficient），以ρ表示 * 常態分配（Normal Distribution） 一般而言，很難由計算機率密度函數下方的面積，來求得常態隨機變數的機率。 -∞＜x＜∞ * 因此，可以將常態隨機變數“標準化”而得到相同的結果。標準常態隨機變數（standard normal random variable）表示平均數為 0 而變異數為 1 的常態機率密度函數之隨機變數。 * 例 0 0.33 1 * 簡單線性迴歸模型（The Simple Linear Regression Model） 如果某個變數（如商品的價格）有了某種程度的改變，則另一個變數（如需求量或供給量）將會改變多少? 假設在已知某個變數值的條件下，我們能否預言或預測另一個變數的對應值? 就像所有模型一樣，迴歸模型是建立在一些假設上。 * 1. 建立模型 (經濟, 政治, 社會…) 從一特定母體中隨機抽取樣本 隨機變數 y, 機率密度函數 f(y) 假設可得知 與 ，我們可以 計算出機率 。 我們通常對於y與x間之關係的研究更有興趣!!! * 例: 建立一個經濟模型（ economic model） 計量經濟模型（econometric model） 線性函數（簡單迴歸模型） 因為只有一個變數 β1 =Intercept(截距) β2=slope(斜率) Marginal effect of x on y * 稱為簡單迴歸函數，因為只有一個變數在等式右邊。 例: 假設 E(y x) 為家戶平均在食物上的支出，x為家戶支出。 例: E(y x) 為平均選舉人數，X 為選舉支出 β1 與 β2 有助於找出經濟行為特徵，以及當作經濟決策之基礎的數量。 * 2. 計量經濟模型（An Econometric Model） Notice : 1.隨機抽樣（random sample） 2.常態分配（normal distribution） 假設: 1. 建立迴歸模型：Y=β1+β2X+e 2. 同質變異（homoskedastic）：對於各個x值的水準上，y的變異數都相等。 ie: v(y|x)=?2 for all value of x. 若對所有x變數而言，並非所有的V(y|x)＝?2，則此資料稱為異