ch2经典线性回归模型回顾修改后的课件1.pptx

2021/5/13;【网络直播】点赞、收入分析;第二章 经典线性回归模型回顾;经济理论;【具体实例】关于居民消费行为的研究;简化后的流程图;第二章 经典线性回归模型回顾;主要内容（6-9学时）;估计参数;2.1 古典假定的再认识;1. 回归;回归的现代意义： 一个变量（被解释变量）对若干个变量（解释变量）依存关系的研究； 是用适当的数学模型去近似表达或估计变量间的平均变化关系。 回归的目的（实质）： 由解释变量的数值去估计被解释变量的总体平均值。;【举例】研究个人消费支出与个人可支配收入的依存关系;2.1 古典假定的再认识;2. 总体回归函数（PRF）;;消费支出的条件期望与收入关系的图形;对于本例的总体，家庭消费支出的条件期望 与家庭收入 基本是线性关系： 类似于上式，将总体被解释变量 Y 的条件期望表现为解释变量X的函数，就称为总体回归函数（population regression function，PRF）。; ;计量经济学中,线性回归模型的“线性” 有两种解释： ◆就变量而言是线性的 ——Y的条件期望（均值）是X的线性函数 ◆就参数而言是线性的 ——Y的条件期望（均值）是参数β的线性函数 例如： 对变量、参数均为“线性” 对参数“线性”，对变量”非线性” 对变量“线性”，对参数”非线性” 注意：在计量经济学中，线性回归模型主要指就参数而言是“线性”的,因为只要对参数而言是线性的,都可以用类似的方法去估计其参数，都可以归于线性回归。;2.1 古典假定的再认识;2021/5/13;2021/5/13;;2.1 古典假定的再认识;无法观测到总体中所有单位的数值 总体回归函数是未知的 通过对样本观测获得的信息去估计总体回归函数;2021/5/13;2021/5/13;2021/5/13; 和 是对总体回归函数参数 和 的估计 是对总体条件期望 的估计 ? 在概念上类似总体回归函数中的 ，可视 为对 的估计;目的： 计量经济分析的目标是寻求总体回归函数。 PRF未知，故用样本回归函数SRF去估计总体回归函数PRF。 由于样本对总体总是存在代表性误差，SRF 总会过高或过低估计PRF。 要解决的问题： 寻求一种规则和方法，使其得到的SRF的参数 和 尽可能“接近”总体回归函数中的参数 和 的真实值。 这样的“规则和方法”有多种，如矩估计、极大似然估计、最小二乘估计等。其中，最常用的是最小二乘法。;2.1 古典假定的再认识;用样本信息去估计总体回归函数，总要使用特定的方法，而任何估计参数的方法都需要有一定的前提条件——假定条件 为什么要作基本假定？ 只有具备一定的假定条件，所作出的估计才具有良好的统计性质。 模型中有随机扰动项，估计的参数是随机变量，显然参数估计值的分布与扰动项的分布有关，只有对随机扰动的分布作出假定，才能比较方便地确定所估计参数的分布性质，也才可能进行假设检验、区间估计等统计推断。 假定分为： （1）对模型和变量的假定 （2）对随机扰动项的假定;【例如】对于 假定模型设定是正确的（变量和模型无设定误差） 假定解释变量X在重复抽样中取固定值。 假定解释变量X是非随机的，或者虽然X是随机的，但与扰动项u是不相关的。(从变量X角度看是外生的) 【注意】解释变量非随机在自然科学的实验研究中相对容易满足，经济领域中变量的观测是被动不可控的，X非随机的假定并不一定都满足。（实验数据 V.S. 观测数据）; 【假定1】零均值假定: 在给定X的条件下，　 的条件期望为零 【假定2】同方差假定: 在给定X的条件下，　的条件 方差为某个常数 ; 【假定3】无自相关假定: 随机扰动项 的逐次值互不相关 【假定4】解释变量 是非随机的，或者虽然