单方程计量经济学.pptxVIP

2.1 一元线性回归模型（1）;2.1 一元线性回归模型（2）;2.1 一元线性回归模型（3）;2.1 一元线性回归模型（4）;2.1 一元线性回归模型（5）;(4) ut 为正态分布（根据中心极限定理）。 以上四个假定可作如下表达。ut ? N (0, ? ? )。 (5) Cov(ui, uj) = E[(ui - E(ui) ) ( uj - E(uj) )] = E(ui, uj) = 0, (i ? j )。含义是不同观测值所对应的随机项相互独立。称为ui 的非自相关性。 (6) xi是非随机的（初等阶段）。 (7) Cov(ui, xi) = E[(ui - E(ui) ) (xi - E(xi) )] = E[ui (xi - E(xi) ] = E[ui xi - ui E(xi) ] = E(ui xi) = 0. ui 与xi 相互独立。否则，分不清是谁对yt的贡献。 (8) 对于多元线性回归模型，解释变量之间不能完全相关或高度相关（非多重共线性）。 在假定（1），（2）成立条件下有E(yt) = E(?0 + ?1 xt + ut ) = ?0 + ?1 xt 。;2. 2．最小二乘估计（OLS）;2. 2．最小二乘估计（2）;2. 2．最小二乘估计（3）;2.3 最小二乘估计量 和 的特性;2.3 最小二乘估计量 和 的特性;OLS 小结;2.4 OLS 回归直线的性质 ;2.5 yt的分布和 的分布 ;2.6 ? ? 的估计 ;2.7 拟合优度的测量;2.7 拟合优度的测量（2）;2.8 回归参数的显著性检验及其置信区间;2.8 参数显著性检验及其置信区间（2）;2.9 yF 的点预测及其区间预测 ;预测还分为有条件预测和无条件预测。对于无条件预测，预测式中所有解释变量的值都是已知的。所以事后预测应该属于无条件预测。当一个模型的解释变量完全由滞后变量组成时，事前预测也有可能是无条件预测。例如： 当预测T+1期的yt值时，xt用的是T期值，是已知值。 预测还分为静态预测和动态预测。;2.9 yF 的点预测及其区间预测（2）;OLS及其预测的Eviews操作;OLS及其预测的Eviews操作（2）;因为t = 12.1 t0.05 (14) = 2.15，检验结果是拒绝?1 = 0，即认为年木材剩余物和年木材采伐量之间存在回归关系。（残差图见操作） 估计?1的置信区间。由 得 ?1的置信区间是 [ - t0.05 (14) , + t0.05 (14) ] [0.4043 - 2.15 ? 0.0334, 0.4043 + 2.15 ? 0.0334] [0.3325, 0.4761]以95%的置信度认为，?1的真值范围应在[0.3325, 0.4761 ]范围中。;OLS及其预测的Eviews操作（3）;2.10 相关理论 ;2.10 相关理论