北大计量经济学期中考试复习材料.pptVIP

期中内容复习 Outline 期中前内容复习 简单回归模型 多元回归模型的估计 多元回归模型的推断 *多元回归模型的大样本特性 STAT常用命令汇总 数据处理 回归与检验 1. 简单回归模型 基本模型：y = β0 + β1x + u ——因变量y，自变量x，扰动项u（除了x之外可以影响y的因素） ——quiz：如何估计 Zero Conditional Mean Assumption ——E(u|x) = E(u)=0 ——意味着：给定x值，y的分布确定，期望值为E(y|x) = β0 + β1x ——进一步推论，Cov(x, u) = E(xu) = 0 Deriving β0 and β1 ——矩方法 和 一阶条件法 （见讲义） 1. 简单回归模型 模型特性：y = β0 + β1x + u ——残差和为0 ——均值满足估计方程 ——解释变量与残差的协方差为0 ——y的估计值与残差的协方差为0 拟合优度R2 ——SST=SSE+SSR，R2= SSE/SST ——QUIZ: How to verify SST=SSE+SSR in STATA? 1. 简单回归模型 模型扩展：How to explain when y or x take the form of log 1. 简单回归模型 OLS估计值是无偏的，取决于四个假设 ——SLR.1 参数线性 ——SLR.2 随机抽样 ——SLR.3 零条件期望 ——SLR.4 x不为常值 OLS估计量的方差 ——加入假设SLR.5, 同方差Var(u|x) = s2 2. 多元回归模型的估计 多元回归模型 ——每个系数估计的是其他变量不变时的效果 ——模型特性仍然包括：残差和为零，均值满足拟合曲线，每个自变量与残差的协方差为零，拟合值与残差的协方差为零 排除其他变量影响 ——考虑估计方程 ——同时有，即将x1对x2做回归，得到残差之后再用y向残差回归，β1的估计值一样 比较二元回归与多元回归 2. 多元回归模型的估计 多元回归中OLS的无偏性，也需四个假设 ——MLR.1，模型线性 ——MLR.2，随机抽样 ——MLR.3，E(u| xi1, xi2…, xik)=0. ——MLR.4，无多重共线性 遗漏变量偏误 ——若实际方程为 ——而估计方程为， ——则有， ——QUIZ: 如何分析上偏还是下偏？ 2. 多元回归模型的估计 多元回归中OLS的估计量的方差 ——新增假设MLR.5，同方差， Var(u|x1, x2,…, xk) = s2 ——MLR1-5为高斯-马尔科夫假定 在MLR1-5的高斯-马尔科夫假定下，OLS估计量是BLUE. ——线性，无偏，最优（方差最小） 任何线性无偏估计量的方差都不比OLS估计量的方差小 ——QUIZ: T or F The OLS estimator has the minimum variance among linear estimators. The OLS estimator has the minimum variance among unbiased estimators. There isn.t any estimator whose variance is smaller than the OLS estimator. 2. 多元回归模型的估计 Adjusted R2 ——新加变量，虽然R方提高，但是估计参数方差变大 ——QUIZ: To avoid the omitted-variable bias, one should always include more control variables on the right-hand-side even if some of them are not quite relevant.(T or F) 3. 多元回归模型的推断 进行假设检验 ——增加MLR.6，（正态）：假设u与x1, x2,…, xk独立，且u服从均值为0，方差为s2的正态分布。 ——MLR.1-6为CLM，经典线性假定 ——在经典线性假定下， 均服从正态分布，且任意子集符合联合正态分布 假设检验的背景知识 ——零假设与替代假设。 ——第一类错误（弃真）和第二类错误（取伪） ——一个检验的显著性水平是发生第一类错误的概率 ——QUIZ：hypothesis testing rules are constructed to make the probability of committing a type II error small. ( T or F) 3. 多元回归模型的推断 单个参数t检验 ——在CLM假设下，估计量满足