安徽大学《计量经济学》课件-第3章双变量模型假设检验.pptxVIP

11 回归分析概述参数估计模型检验模型预测第三章双变量模型：假设检验安徽大学《计量经济学》 23.1古典线性回归模型的基本假定 3.2普通最小二乘估计量的方差与标准误3.3最小二乘估计量的性质-为什么使用OLS 3.5假设检验3.5.1置信区间法 3.5.2变量的显著性检验 3.6拟合优度检验3.7回归分析结果的报告3.8计算机输出结果3.9正态性检验3.11模型预测3.4 OLS估计量的抽样分布或概率分布 33.1古典线性回归模型的基本假设 原因1：只有符合这些基本假定，才能保证OLS参数估计量具有良好的性质；原因3：随机误差项加上一个非随机项X生成了Y，因而Y也是随机变量。在根据SRF进行假设检验时，如果不对随机误差项的生成做一些特殊的假定，则无法进行假设检验。原因2：如果不满足这些假定，第二部分会进一步进行处理。这是基于学习的由浅入深、由理想状态到现实实际的步骤。3 43.1古典线性回归模型的基本假定 假定1：回归模型是参数线性的假定2：随机误差项?与解释变量X之间不相关。Cov(Xi, ?i)=0 i=1,2, …,n如果X是非随机的（即为固定值），则该假定自动满足。我们所指的回归分析是条件回归分析，即给定X条件下的回归分析，即我们一直假定X是非随机的。区别：古典线性回归模型（固定回归元模型）；新古典线性回归模型（随即回归元模型）4 5假定3：给定X i，随机误差项?的期望或均值为零。E(?i X i)=0 i=1,2, …,n随机误差项?（其他影响因素）与Xi（纳入模型的变量）之间不相关。5如果在给定一个随机变量的情况下另一个随机变量的条件均值为0，那么这两个变量之间的协方差就是0，说明这两个变量是无关的。 6假定4：随机误差项?i具有同方差，即方差为常数。Var (?i)=??2 i=1,2, …,n与给定X相对应的每个Y的条件分布具有同方差，即每个Y值以相同的方差分布在其均值周围。6 7假定5：无自相关。即随机误差项?之间不相关。Cov(?i, ?j)=0 i≠j i,j= 1,2, …,n表明误差项之间没有系统关系，即误差?是随机的。7 8假定6：回归模型是正确设定的。即实证分析的模型不存在设定偏差。8 9小结-古典线性回归模型的基本假设假定1：回归模型是参数线性的假定2：随机误差项?与解释变量X之间不相关。假定6：回归模型是正确设定的。即实证分析的模型不存在设定偏差。假定3、4、5：随机误差项?是服从零均值、同方差、零协方差的分布。i=1,2,…,n9 103.2普通最小二乘估计量的方差与标准误基于1-6假定，可以估计OLS估计量的方差和标准误。OLS估计量是随机变量，因为随着样本的不同，OLS估计量是不同的。OLS估计量是如何随样本变化而变化的呢，即这些估计量的抽样变异性是怎样的呢？这种抽样变异性通常由估计量的方差或其标准误（方差的平方根）来度量。10 11参数估计量的方差和标准误113.2普通最小二乘估计量的方差与标准误 1212 13随机误差项?的方差?2的估计 由于随机项?i不可观测，只能从?i的估计——残差ei出发，对总体方差进行估计。 3.2普通最小二乘估计量的方差与标准误?2又称为总体方差。13 14 可以证明，?2的最小二乘估计量为3.2普通最小二乘估计量的方差与标准误随机误差项?的方差?2的估计 是?2 的估计量 是残差平方和，即Y的真实值与估计值之差的平方和（n-2）称为自由度，可简单看做观测值个数减去待估参数的个数称为回归的标准误（SER，standard error of the regression）该值越小，说明Y的实际值越接近根据回归模型得到的估计值。14 15标准误标准误方差方差3.2普通最小二乘估计量的方差与标准误15 163.2普通最小二乘估计量的方差与标准误16 17Se= (16.9061)(0.000245) 3.2普通最小二乘估计量的方差与标准误数学S.A.T一例P45文章中回归结果的输出形式参数估计值标准误17 18 当模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。 一个用于考察总体的估计量，可从如下几个方面考察其优劣性： （1）线性性，即它是否是另一随机变量的线性函数； （2）无偏性，即它的均值或期望值是否等于总体的真实值； （3）有效性，即它是否在所有线性无偏估计量中具有最小方差。3.3最小二乘估计量的性质-为什么使用OLS 18 193.3最小二乘估计量的性质-为什么使用OLS 高斯—马尔柯夫定理（Gauss-Markov theorem）如果满足古典线性回归模型的基本