第二章22 简单线性模型参数估计.pptVIP

第二章 经典单方程计量经济学模型： 一元线性回归模型 ? 回归分析概述 ? 一元线性回归模型的参数估计 ? 一元线性回归模型检验 ? 一元线性回归模型预测 ? 实例 第二节 简单线性回归模型的参数估计 第二节 一元线性回归模型 1 ． 一元线性回归模型的基本概念 有一元线性回归模型（统计模型）如下， y t = ? 0 + ? 1 x t + u t 上式表示变量 y t 和 x t 之间的真实关系。 其中 y t 称被解释变量（因 变量） ， x t 称解释变量（自变量） ， u t 称随机误差项， ? 0 称常数项， ? 1 称回归系数（边际效果） 。 上面模型可以分为两部分。 （ 1 ）回归函数部分， E( y t ) = ? 0 + ? 1 x t , （ 2 ）随机部分， u t 。 E( y t ) = ? 0 + ? 1 x t u t 图 2.1 真实的回归直线 5 10 15 20 25 30 10 20 30 40 50 60 70 y x Examples ? 一个简单的工资方程： 工资 = ? 0 + ? 1 ? 教育年限 + u ? 上述简单工资函数描述了工资和受教育年限，以 及其他不可观测因素 u 之间的关系 . ? ? 1 衡量的是， 在其他因素 ( 包含在误差项 u 里面） 不变的情况下 ，多接受一年教育，可以增加多少 工资。 ? 其他因素包括：劳动力市场经验、内在的能力、 目前所从事工作的工龄、职业道德 , 以及其他许多 因素，包含在 u 中。 回归模型的随机误差项中一般包括如下 几项内容： （ 1 ）非重要解释变量的省略， （ 2 ）人的随机行为， （ 3 ）数学模型形式欠妥， （ 4 ）归并误差（两式的归并） （ 5 ）测量误差等。 2 、关于随机扰动项 μ 的假定（称经典假定） （ 1 ）零均值假定。 即 （ 2 ）同方差假定。 即 （ 3 ）无自相关假定。 即 u 与 x i 相互独立。否则，分不清是谁对 y i 的贡献。 （ 4 ）随机扰动项与解释变量不相关假定。 即 （ 5 ）正态性假定。 即 0 ) ( ? i i X E ? 0 )] ( ][ ) ( [ ) , ( ? ? ? ? i i i i i i X E X E E X Cov ? ? ? 0 ) ( )] ( )][ ( [ ) , ( ? ? ? ? ? j i j j i i j i E E E E Cov ? ? ? ? ? ? ? ? 2 2 2 )] / ( [ ) / ( ? ? ? ? ? ? i i i i i i Eu X u E u E X Var ) , 0 ( ~ 2 ? ? N i 异方差 X Y X 1 0 ? ? ? X Y X 1 0 ? ? ? 序列自相关 1 0.3 i i u u ? ? ? X X Y X 1 0 ? ? ? Y X 1 0 ? ? ? 负相关 正相关 1 0.6 i i u u ? ? 不相关 自相关 ( 正 ) 自相关 ( 负 ) 3 、关于被解释变量 y 的假定 由于 PRF 为 i i i X Y ? ? ? ? ? ? 2 1 ， 其分布性质决定于随机扰 动项，所以对随机扰动项的假定也可用于对 Y 的假定。即 假定 1 ： X X Y E i 2 1 ) ( ? ? ? ? （随机扰动项条件期望为零） 假定 2 ： 2 ) ( ? ? i i X Y Var （同方差假定） 假定 3 ： 0 ) , ( ? j i Y Y Cov （不自相关假定） 假定 4 ： ) , ( ~ 2 2 1 ? ? ? i i X N Y ? （正态性假定） 二、模型估计：普通最小二乘法（ OLS ） 为了使样本回归函数尽可能 “接近” 地去估计总体回归 函数。 就要使样本回归函数估计的 ^ ^ ^ 1 2 i i Y X ? ? ? ? 与实际的 i Y 的误差最小，即残差最小。 理论上，使 1 2 ? ? i