上财计量经济学课件3.pptxVIP

第3章一元线性回归分析一元线性回归分析3.1 一元线性回归模型3.2 一元线性回归模型参数估计 3.2.1 回归系数估计 3.2.2 误差的估计—残差 3.2.3和 的分布3.3 更多假设下OLS估计量性质3.4 回归系数检验（t-检验）3.5 拟合优度 和模型检验（F检验）一元线性回归分析3.6 用EViews7.2进行一元线性回归3.7 假设条件的放松 3.7.1 假设条件的放松（一）—非正态分布误差 项 3.7.2 假设条件的放松（二）—异方差 3.7.3 假设条件的放松（三）—非随机抽样和序 列相关 3.7.4 假设条件的放松（四）—内生性 3.7.5 总结重要概念3.1 一元线性回归模型 计量经济学用回归模型来描述经济变量之间的随机关系。因变量（被解释变量）自变量（解释变量）回归模型参数（回归系数）误差项（扰动项）3.1 一元线性回归模型 模型首先要保证的变化不会引起 的变化，这称为 的外生性，否则 对 的影响不能正确确定。假设1（零条件均值:zero conditional mean） 给定解释变量，误差项条件数学期望为0，即3.1 一元线性回归模型模型设定要以有关的经济学理论为基础。样本模型：3.2 一元线性回归模型参数估计3.2.1 回归系数估计3.2.2 误差的估计—残差3.2.3和 的分布3.2 一元线性回归模型参数估计3.2.1 回归系数估计总体矩条件：样本矩条件：3.2 一元线性回归模型参数估计3.2.1 回归系数估计OLS估计： （ ）不带常数项的回归模型回归系数估计结论:（矩估计量性质）OLS估计的一致性（结论1）如果回归模型误差项满足假设1，上式给出 和 分别为 和 的一致估计：OLS估计的无偏性（结论2）如果回归模型误差项满足假设1，上式给出 和 分别为 和 的无偏估计：3.2 一元线性回归模型参数估计3.2.2 误差估计-残差 的回归拟合值（fitted value）： 回归残差（residual）：误差估计-残差结论：如果假设1满足，则回归残差是回归误差的一致估计且数学期望为0（结论3）如果假设1满足，则回归残差满足：(结论4)残差平方和（Sum of Squared Residual）：3.2 一元线性回归模型参数估计3.2.3和 的分布 由矩估计性质知 和 渐近服从正态分布，但具体方差依对误差项的假设而定。结论5： 如果假设1满足，则当样本量 较大时，OLS估计 和 近似服从正态分布：3.3 更多假设下OLS估计量性质假设2（同方差：homoskedasticity） 给定解释变量，误差项条件方差为常数，即假设3（随机抽样: random sample） 样本 是随机抽样产生的，样本之间相互独立，模型误差项 之间相互独立。3.3 更多假设下OLS估计量性质结论6：如果假设1~假设3满足，则当样本量 较大时，OLS估计 和 近似服从正态分布，方差计算公式为：3.3 更多假设下OLS估计量性质结论7：如果假设1~假设3满足，统计量是误差项方差 的无偏估计和一致估计，即 称为回归标准误（standard error of regression），记为 。3.3 更多假设下OLS估计量性质结论8：如果假设1~假设3满足，则当样本量 较大时，如下统计量近似服从正态分布（结论8）3.3 更多假设下OLS估计量性质结论9：如果假设1~假设3满足，OLS估计 和 为最有效估计：在 的所有线性无偏估计中， 的方差最小。这称为OLS估计的马尔科夫性。3.3 更多假设下OLS估计量性质假设4（正态分布: normal distribution） 给定解释变量 ，模型中的误差项 服从正态分布，即其中 3.3 更多假设下OLS估计量性质结论10：如果假设1~假设4满足，则（1）（2）（3）SSR与 独立，由此得出 其中， 、 、 、 由课本公式（3.15）给出。3.4 回归系数检验（t-检验） 估计出参数后需对模型的有效性进行检验，即检验回归系数是否显著不为零。 例如考虑结论10中统计量（假设1到4全部成立） ：t-检验的涵义：估计参数的绝对值足够大或者标准误很小（标准误小则随机性小，估计越精确）样本量较大时 （35），t分布接近正态分布，5%置信水平下临界值接近2，因此常用统计量是否大于2作为判断系数显著与否的标准。3.5 拟合优度 和模型检验（F检验） 检验 和 之间是否 具有线性关系：看 的变化能被 的变化解释多少。总平