计量经济学第二章-一元线性回归模型(1).pptxVIP

会计学;第一节 回归模型的一般描述;（2）统计关系或相关关系：变量之间为非确定 性依赖关系。其一般表现形式为：;2、总体回归模型; 2、统计误差。数据搜集中由于计量、计算、记录等 导致的登记误差；或由样本信息推断总体信息时产生 的代表性误差。 ;二、一元线性回归模型; ;为线性关系，即使被解释变量y与解释变量x之间不为 线性关系，我们也可以通过变量替换方便地将其化为 线性。;三、回归与回归分析的内容;即:虽然高(矮)个子父辈有生高(矮)个子儿子的趋势,但子代的平均身高向中间回归了.故高尔顿引用了“回归”（regression）一词来描述父辈身高与子代身高之间的关系。 ;注：回归分析的基本概念 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 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）。;(二）回归分析的主要内容 ;四、经典假设条件;—零条件均值假定;假设2、随机误差项?具有同方差性： Var (ui)=??2 i=1,2, …,n ------同方差假设(Homosadasticity) ;假设4、随机误差项?与解释变量X之间同期不相关： Cov(Xi, ui)=0 i=1,2, …,n ;;一、样本回归方程 ;;; 记该直线方程为： ;; ▼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。;回归分析的主要目的是要通过样本回归函数（模型）SRF尽可能准确地估计总体回归函数（模型）PRF。 估计方法有多种，其中最广泛使用的是普通最小二乘法（ordinary least squares, OLS）。 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设。 实际这些假设与所采用的估计方法紧密相关。;二、参数的普通最小二乘估计（OLS） ;求最小二乘估计的方法;于是得 β0 与 β1 最小二乘估计; －－（a2); 对样本（X1 ,Y1 ), ( X2 ,Y2 ), ? , ( Xn , Yn) 有以下记号;;;求最小二乘估计的一般步骤;;2.用Eviews进行回归分析 ;(3).OLS估计;3.用SPSS进行回归分析 ; 三、参数估计的最大或然法(ML) ; 在满足基本假设条件下，对一元线性回归模型： ;因为Yi是相互独立的，所以所有样本观测值的联合概率，也即似然函数(likelihood function)为： ; 由于似然函数的极大化与似然函数的对数的极大化是等价的，所以，取对数或然函数如下：;解得模型的参数估计量为： ;线性性 无偏性 有效性（最小方差性） 随机干扰项方差的估计 回归系数的区间估计 ;在一元线性回归模型中，; 当模型参数估计出后，需考虑参数估计值是否能代表 总体参数，因此需考察参数估计量的统计性质。;其中，;证：;从而，;;同理可证：;证明最小方差性;;要使上式的值最小，只有使 ;高斯—马尔可夫定理(Gauss-Markov theorem) 在古典假设满足的前提下，最小二乘估计量是具有最小方差的线性无偏估计量。 即OLSE具有BLUE的特性.;由以上推导过程，可以看出：;;~;第56页/共130页; 为了反映回归系数的估计精度，需给出其区间估计，即在置信水平为 下的置信区间。置信区间长度越短，说明估计值 与参数 和 就越接近，估计值就越精确；反之，就越不精确。 ;;第四节 统计显著性检验 ;回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。;一、拟合优度检验(Goodness of Fit Test);　　　在一个特定的条件下，做的最好的不一定就是 高质量的；所保证的最好拟合是同一问题内部的比较， 而拟合优度检验所表示的优劣是不同问题之间的比较．; 总离差平方和的分解;(图示) ;离差平方和的分解 (三个平方和的关系) ;离差平方和的分解 (三个平方和的意义);TSS=ESS+RSS;样本决定系数（可决系数）  (coefficient of determination);; 假设检验;参数假设检