第3章 双变量模型：假设检验.docVIP

本科教学课件 计量经济学基础 第3章 双变量模型：假设检验 PAGE PAGE 35 第3章 双变量模型：假设检验 本章主要讲授如下内容： 3.1 经典线性回归模型 3.2 OLS估计量的方差与标准差 3.3 OLS估计量的性质 3.4 OLS估计量的抽样分布或概率分布 3.5 假设检验 3.6 拟合优度检验：判定系数R2 3.7 正态性检验 3.8 预测 3.1 经典线性回归模型 经典线性回归模型有如下假定： 1．回归模型是参数线性的，但不一定是变量线性的。 2．解释变量与扰动误差项不相关，即cov(Xi，ui)=0。 3．给定Xi，扰动项的期望或均值为0，即E(u|Xi)=0。 如图3-1所示。 4．ui的方差为常数（或同方差），即var(ui)=σ2。 如图3-2所示。 5．无自相关假定，即cov(ui, uj)=0, i≠j。 如图3-3所示。 6．回归模型是正确设定的。 3.2 OLS估计量的方差与标准差 3.3 OLS估计量的性质 1．高斯—马尔柯夫定理 如果满足经典线性回归模型的基本假定，则在所有线性估计量中，OLS估计量具有最小方差性。即OLS估计量是最优线性无偏估计量（BLUE）。 2．OLS估计量的性质 (1)b1和b2是线性估计量，即它们是随机变量Y的线性函数。 证明： （这里，） 其中，。 同样可得： 其中，。 (2)b1和b2是无偏估计量，即E(b1)=B1，E(b2)=B2。 ①对于b2，证明 易知，， 所以 故得 ②对于b1，证明 易知，，。 所以 故得 (3)b1和b2是有效估计量，即在所有线性无偏估计量中最小二乘估计量b1和b2具有最小方差。 ①b1和b2方差求解 ②证明： 假设是用其他方法得到的关于B2的线性无偏估计量，，。 由无偏性，可得： 比较等式两边，得： ， 而且有： 故： 同理，可证得： (4)误差方差的OLS估计量是无偏的，即。 证明： 前面已经提及，现在要证明。 对于模型，其离差形式为： 根据样本回归函数，其离差形式为： 所以 故有：  因为 所以 从而 3．蒙特卡罗实验 (1)假定给定下列信息 Yi = B1 +B2Xi + ui =1.5 +2.0Xi + ui 这里，ui ~ N(0, 4) (2) 假定再给Xi 的10个值：1,2,3,4,5,6,7,8,9,10； (3) 使用统计软件产生均值为零和方差为4的随机误差项ui 的10个随机数； (4) 利用上面所给的方程得到Y 的10个值； (5)将Yi 对X 进行回归，得到b1, b2, 和； (6)重复上述步骤21 次，得到如表3-2所示（Table 3-2）的结果。 结论：假如反复利用最小二乘法求解参数的估计值，所估计出的参数的平均值将等于其真值。也就是说，OLS 估计量是无偏的。 例 题 例题1 没有截距项的一元回归模型 称之为过原点回归。试证明： （1）如果通过相应的样本回归模型可以得到通常的正规方程组 则可得到B2的两个不同的估计值： ， （2）在基本假设E(ui)=0下，和均为无偏估计量。 （3）拟合线通常不会经过均值点（），但拟合线则经过。 （4）只有是B2的OLS估计量。 证明： （1）由第一个正规方程，得 或 求解，得 由第二个正规方程，得 或 求解，得 （2）对于，求期望 对于，求期望 （3）要想拟合线通过点（），必须等于。但 通常不等于。因此，点（）不太可能位于直线上。 相反地，由于，所以直线经过点（）。 （4）OLS方法要求残差平方和最小，即 对求偏导，得 经整理，得 可见，是B2的OLS估计量。 例题2 对一元线性回归模型 试证明 证明： 例题3在一元线性回归模型中 （1）用不为零的常数δ去乘每一个X值，这样会不会改变Y的拟合值和残差？ （2）如果对每个X都加大一个非零常数δ，会不会改变Y的拟合值和残差？ 解： （1）记原总体模型对应的样本回归模型为 则有 ， Yi的拟合值与残差分别为 记，则有 记新总体模型对应的样本回归模型为 则有 于是，在新的回归模型下，Y的拟合值与残差分别为 可见，对X乘非零常数后，不改变Y的拟合值与模型的残差。 （2）如果记 则有 ， 于是，新模型的回归参数分别为 在新的回归模型下，Y的拟合值与残差分别为 可见，对每个X都加大一个非零常数δ，也不会改变Y的拟合值和残差。 例题4 假设有人做了如下的回归 其中，yi，xi分别为Yi，Xi关于各自均值的离差。问b1和b2将分别取何值