金融知识上课材料之五.docxVIP

上课材料之五 第四章 古典线性回归模型 在引论屮，我们推出了满足凯恩斯条件的消费函数与收入有关的一个最普通模型：c= G + 0X+5其中。0, 001 是一个随机扰动。这是一个标准的古典线性回归模型。 假如我们得到如下例1的数据 例1 可支配个人收入和个人消费支出 年份 可支配收入 个人消费 1970 751.6 672.1 1971 779.2 696.8 1972 810.3 737」 1973 864.7 767.9 1974 857.5 762.8 1975 847.9 779.4 1976 906.8 823」 1977 942.9 864.3 1978 988.8 903.2 1979 1015.7 927.6 來源：数据來H总统经济报告， 美国政府印刷局，华盛顿特区，1984。 （收入和支出全为1972年的十亿美元） 一、线性回归模型及其假定 一般地，被估计模型具有如下形式： 开=4 + 0兀+6，i=l,…, 其中y是因变量或称为被解释变量，兀是口变量或称为解释变量，i标志川个样本观测 值中的一个。这个形式一般被称作y对x的总体线性回归模型。在此背景下，y称为被回归 量，x称为回归量。 构成古典线性回归模型的一组基本假设为： 函数形式：+ 〃兀+ ￡汀i=l,…,几, 干扰项的零均值：对所有i,有：E[j]=O。 同方差性：对所有i,有：Var[ ^]=^2,且CT?是一个常数。 无自相关：对所有：勺，则Cov[6,勺]=0。 回归量和I：扰项的非相关：对所有i和j有Cov比,ej]=0o 正态性：对所有i, 口满足正态分布N (0, er2 )o 模型假定的几点说明： 1、函数形式及其线性模型的转换 具有一般形式 对任何形式的g(x)都符合我们关于线性模型的定义。 [例」一个常用的函数形式是対数线性模型： y = Ax^ o 取对数得: lny = a + 01n兀。(a = \nA ) 这被称作不变弹性形式。在这个方程中，y对于x的变化的弹性是 d In y J d\nx 它不随x而变化。与之相反，线性模型的弹性是: (dy /)八 ( \ X (3x jdx / X丿 严+侏丿 \dx) a + px 对数线性模型通常用来佔计需求函数和生产函数。 尽管线性模型具有巨大的灵活性，但在实际中存在着大量的非线性模型的形式。 例如，任何变换也不能将 和 y = a + f3xv (0 v 1) 转化为线性回归模型。 2、回归量 对r回归量即解释变量我们有两种处理方法，第一种将x设定为非随机变量，第二种 方法将X设定为随机变量。 1）当尤为非随机变量 无的值在X的概率分布中是己知的常数。这条假定暗示乃的侮一个值都是一个概率分布 的观察值，这个概率分布具有均值 E[yt I xj = E[a + /3xi + ? ] = a + /3xi + E[ei ] = a + J3x{ 和方差 Var[y. I xz] = Var[a + 卩x： + 乞]=Var[ei] = a2 o 此外，有必要假定，对 s讥二 s讥二 5、 — ?丿 2 t-x)2 是一个有限正数，这个假定被称作识别条件，若兀没有任何变化，我们所有的观测值 将落在一?条垂直线上，我们的观测数据将不允许我们作出关于回归cc + Bx的任何推断。这 个识别条件等同于子样的极差max（Xi,???X）—min（E,…，乙）工0。 2）当力为随机变量 若x被当作一个随机变量，贝U假定1成为一个对y和x的联合分布的陈述。 我们就用条件期望和方差来处理。 3、随机干扰项 1） 如果干扰项不是零均值，即E[j]=〃，对所有的i,则Q + 0兀+」等同于（a + P） + 0x+ （ € — H ）,令a =q +〃及 6 — 〃可得到模型，y = + + ，此模型 满足我们原始模型的要求。 2） 观测值小的随机部分假定是不相关的： E[ j ^J=0 对所有i不等于八 这彼称为非自相关。 二、最小二乘法 1最小二乘系数 总体回归是E[）K|二a + 阳,而我们对E[）曲]的估计记作 和第i的数据点相联系的T?扰项是 对a和b的任何值，我们用残差 e ei = yi - a - bx{ 来估计％从这些定义可知:yi =a + px 来估计％从这些定义可知: yi =a + pxi 5 =a+ bxi + j o 对任何一对值d和b,残差平方和是： 工* 二工（X -a-bxty ? ? I I 最小二乘法系数就是使这个拟合标准达到最小的CI和力的值。 最小化的一阶条件是 da工 da 工2(” =-2 =-2工()7, - a - hx.{ ) = 0 db= X2( db = X2(?/ i -a - bxf)(-%! ) = 0 = -2^x/.（y/.