2一元线性回归模型计量经济学.pptxVIP

第二章 经典单方程计量经济学模型：一元线性回归模型 ;§2.1 回归分析概述;一、变量间的关系及回归分析的基本概念;;两者的区别;2、回归分析的基本概念;回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。;二、总体回归函数;;一个抽样;;收入水平;;在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线。;总体回归函数说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。至于具体的函数形式，则由所考察的总体的特征和经济理论来决定。 在例2.1中，将居民消费支出看成是其可支配收入的线性函数时，该总体回归函数为: ;三、随机扰动项;例2.1中，给定收入水平Xi ,个别家庭的支出可表示为两部分之和： （1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性或确定性部分； （2）其他随机或非确定性部分?i。;称为总体回归函数（PRF）的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。;随机误差项主要包括下列因素： 在解释变量中被忽略的因素的影响； 变量观测值的观测误差的影响； 模型关系的设定误差的影响； 其它随机因素的影响。;四、样本回归函数;仍以例2.1.1（回顾）为例，假设总体中有如下一个样本，能否从该样本估计总体回归函数？;该样本的散点图（scatter diagram)：; 记样本回归线的函数形式为： ;将样本回归线看成总体回归线的近似替代，则有;同样地，样本回归函数也有如下的随机形式： ; ▼回归分析的主要目的，就是根据样本回归函数SRF，估计总体回归函数PRF。;注意：这里PRF（总体回归函数）可能永远无法知道;第一节课堂思考题;§2.2 一元线性回归模型的基本假设;回归分析的主要目的是要通过样本回归函数（模型）SRF尽可能准确地估计总体回归函数（模型）PRF。 ???保证参数估计量具有良好的性质，通常对模型提出若干基本假设。;假设1：回归模型是正确设定的。 假设2：解释变量X是确定性变量，不是随机变量。 假设3：解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数。;假设4：随机误差项?具有给定X条件下的零均值、同方差和不序列相关性： E(?i|Xi)=0 i=1,2, …,n Var (?i|Xi)=??2 i=1,2, …,n Cov(?i, ?j|Xi,Xj)=0 i≠j i,j= 1,2, …,n 假设5：随机误差项与解释变量之间不相关。 假设6：随机误差项服从零均值、同方差的正态分布。;;第二节课堂思考题;§2.3 一元线性回归模型的参数估计;;给定一组样本观测值（Xi, Yi）（i=1,2,…n）要求样本回归函数尽可能好地拟合这组值. 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：二者之差的平方和最小。;根据微积分的知识，当Q对两个参数的偏导数为0时，Q达到最小，即：;记;例2.3.1：在上述家庭可支配收入-消费支出例中，对于所抽出的一组样本数 ，参数估计的计算可通过下面的表2.3.1进行。;因此，由该样本估计的回归方程为： ;四、最小二乘估计量的性质;;;;五、参数估计量的概率分布及随机干扰项方差的估计 ;2、随机误差项?的方差?2的估计;由于随机项?i不可观测，只能从?i的估计——残差ei出发对总体方差进行估计。 可以证明，?2的最小二乘估计量为;其中;六、某城市消费规律研究;2、搜集并整理数据;3、利用软件进行参数估计;4、写出回归结果;第3节课堂思考题;第3节课后练习题;§2.4 一元线性回归模型的统计检验;回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。 尽管从统计性质上已知，如果有足够多的重复 抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。;那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。 主要包括拟合优度检验、变量的显著性检验及参数的区间估计。;一、拟合优度检验; 1、总离差平方和的分解（R2的推导）;R2的定义; 由前图可以看出，如果Yi=?i （ei=0）即实际观测值落在样本回归“线”上