- 1、本文档共54页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
计量经济学-2章:一元线性回归模型(1);对变量间统计依赖关系的考察主要是通过相关分析(cotion analysis)或回归分析(regression analysis)来完成的;注意
①不线性相关并不意味着不相关。
②有相关关系并不意味着一定有因果关系。
③回归分析/相关分析研究一个变量对另一个(些)变量的统计依赖关系,但它们并不意味着一定有因果关系。
④相关分析对称地对待任何(两个)变量,两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性,即区分应变量(被解释变量)和自变量(解释变量):前者是随机变量,后者不是。;回归分析(regression analysis)是研究一个变量关于另一个(些)变量的依赖关系的理论和计算方法。其目的在于通过后者的已知或设定值,去估计和(或)预测前者的(总体)均值。
被解释变量(Explained Variable)或应变量(Dependent Variable)。
解释变量(Explanatory Variable)或自变量(Independent Variable)。;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;例2.1:一个假想的社区有100户家庭组成,要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入,能否预测该社区家庭的平均月消费支出水平。
为达到此目的,将该100户家庭划分为组内收入差不多的10组,以分析每一收入组的家庭消费支出。;Date;由于不确定因素的影响,对同一收入水平X,不同家庭的消费支出不完全相同;
但由于调查的完备性,给定收入水平X的消费支出Y的分布是确定的,即以X的给定值为条件的Y的条件分布(Conditional distribution)是已知的,例如:P(Y=561|X=800)=1/4。
因此,给定收入X的值Xi,可得消费支出Y的条件均值(conditional mean)或条件期望(conditional expectation):E(Y|X=Xi)。
该例中:;Date; 由对全体居民的收入和支出的调查结果,我们知道处于不同收入阶层的居民有一个平均的支出水平,这一支出水平与收入大致呈线性关系。;称为总体回归函数(population regression function, PRF)。 ;三、随机误差项;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(systematic)或确定性(deterministic)部分;(2)其他随机或非确定性(nonsystematic)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:
在回归模型中被省略的因素的影响;
经济变量之间的合并误差
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;
其他随机因素的影响。
;四、样本回归函数(SRF); 该样本的散点图(scatter diagram):; 记样本回归线的函数形式为:
;样本回归函数的随机形式(样本回归模型); ▼回归分析的主要目的:根据样本回归函数SRF,估计总体回归函数PRF。;
总体回归模型;一、基本假定
1、零均值。随机扰动项ui的均值为零。即,
E(ui|Xi)=0
2、同方差。随机扰动项ui的方差相等。即
Var(ui|Xi)=E[(ui-E(ui))|Xi]2
=E(ui2|Xi]2 = ?2
3、无自相关。各个扰动项无自相关。即:;4、随机扰动项ui解释变量Xi不相关。即
Cov(ui,Xi)=E[ui-Eui][Xi-EXi]=0 i=1,2,…,n
5、ui服从正态分布,即
ui~N(0, ?2 ),i=1,2,…,n
上述基本假设也叫线性回归模型的经典假设或高斯(Gauss)假设;
满足上述基本假设的模型称为经典线性回归模型
(classical linear regression model, CLRM )
注:“假设”只是为了运用OLS;并非不满足假设就不能估计!;二、参数的普通最小二乘估计(OLS) ;方程组(*)称为正规方程组(normal equations)。 ;记;几个常
文档评论(0)