计量经济学：第二章 一元线性回归模型.pptxVIP

第二章 经典单方程计量经济学模型：一元线性回归模型 1、一元回归模型的建立：模型中有一个被解释变量，只有一个解释变量。一元回归模型：一元线性回归模型：2、一元线性回归模型的统计含义：无信息时对随机变量的预测：均值有信息时对随机变量的预测：条件均值设随机因素(随机扰动项）系统因素（解释变量）设概念：一元线性总体回归模型指截距项斜率概念：一元线性模型总体回归函数是指一元线性回归模型引入随机扰动项的原因：代表影响被解释变量的随机因素； 代表影响被解释变量的其他未知因素；。。。注意：随机扰动项还是被解释变量与解释变量一定的条件下，被解释变量期望的差。一元线性回归模型求解：估计其中的未知参数§2.1 回归分析概述(Regression Analysis)1、回归与回归分析“回归”的本意：向“均值”回复的趋势回归分析(regression analysis)：估计和预测被解释变量的均值，是研究被解释变量对于解释变量依赖关系的计算方法和理论。2、样本回归模型与样本回归函数抽样的必要性、总体与样本总体不可知，利用样本估计参数,即分别用：估计定义：一元线性样本回归函数为称为对Y的拟合值。称定义：残差定义：一元线性样本回归模型为例2.135003000每2500月消2000费1500支出Y1000（元）50005001000150020002500300035004000每月可支配收入X（元）总体回归函数散点图发现：随着收入的增加，消费变量Y的条件均值在一条斜率为正的直线上。由此可知，研究此社区家庭的消费与可支配收入的关系时，建立一元线性回归模型是合适的。例2.2：问题：例2.1的总体未知，得如下一个样本该样本的散点图（scatter diagram)：此为未知的总体回归函数设一元线性回归模型的总体回归函数为例2.2中的样本：将样本中解释变量的值代入样本回归函数，得对样本中被解释变量的拟合值。残差为：回归分析：用样本回归函数估计总体回归函数。§2.2 一元线性回归模型的参数估计设样本为被解释变量与解释变量之间的关系为注意：第2章的讨论还假定一、参数的普通最小二乘估计（Ordinary Least Square,OLS） 最小二乘原理:使残差的平方和（被解释变量的样本值与拟合值尽可能接近）最小。正规方程组（1）（2）（1）参数的普通最小二乘估计量（1）（2）（1）、（2）最小二乘估计量的简化：离差或中心化：2、普通最小二乘估计是线性估计：最小二乘估计是Y1,Y2,…,Yn的线性组合系数的性质：普通最小二乘估计的例年份ED(X)FI(Y)ed(x)fi(y)ed*fied*e551-2351129540130360119927933483-466-201793992221715619939584349-301-11513464519060119941278521819-282-535836119951467624220874215433643264199617047408445190884906019802519971904865164531512032395416025均值1259 55000 0 801744/7 181290.42/7上例中的样本：将样本中解释变量的值代入样本回归函数，得对被解释变量的拟合值。残差为：年份ED(X)FI(Y)　e　19917083149306381992793348334399199395843494168.8488891801994127852185584.02615-3661995146762426419.86522-1781996170474087467.980878-601997190486518352.4666662993、用普通最小二乘估计计算的残差的性质即：正规方程组揭示的是残差的性质。普通最小二乘估计有关的其他性质（课后习题）2、由普通最小二乘估计系数的性质可证得普通最小二乘估计与参数的关系如下：二、经典线性回归模型的基本假设The Basic Assumptions of Classical Linear Regression Model(CLRM) 1、解释变量是确定的。2、随机扰动项： 当解释变量一定时，期望为0，且所有随机扰动项同方差，序列不相关。3、解释变量与随机扰动项不相关，即 4、正态性假设：当解释变量一定的条件下，随机扰动项服从正态分布即：以上假设也称为线性回归模型的经典假设或高斯（Gauss）假设，满足该假设的线性回归模型，也称为经典线性回归模型（Classical Linear Regression Model, CLRM）。一元线性回归模型经典假定下的推论：1、在线性回归模型的经典假定下，随机扰动项独立同服