计量经济学讲义.docx

计量经济学讲义

目录

第一讲0LS的代数 2

第二讲0LS估计量 17

第三讲假设检验 33

第四讲异方差 63

第五讲自相关 81

第六讲多重共线 106

第七讲虚拟变量 121

第八讲时间序列初步：平稳性与单位根 133

第九讲协整与误差修正模型 157

第十讲ARCH模型及其扩展 164

第一讲OLS的代数

一、问题

假定y与x具有近似的线性关系：y=β?+βx+E,

其中ε是随机误差项。我们对β,β?这两个参数的值一无所知。我们的任务是利用样本去猜测βo,β的取值。现在，我们手中就有一个样本容量为N的样本，其观测值是：(y?x),(y?x?),…,(ynxn)。问题是，如何利用该样本来猜测β?,β的取值?

一个简单的办法是，对这些观察值描图，获得一个横轴x,纵轴y的散点图。既然y与x具有近似的线性关系，那么我们就在散点图中拟合一条直线：y=βo+βx。该直线是对y与x的真实关系的近似，而β,β分别是对βo,β的猜测(估计)。问题是，如何确定β与β,以使我们的猜测看起来是合理的呢?

二、OLS的两种思考方法

法一：

(y?y?,…,yn)与(S?S?,…,S)是N维空间的两点，β与β的选择应该是这两点的距离最短。这可以归结为求解一个数学问题：

在这里y;-y定义了残差ê。

法二：

给定x,看起来y与y;越近越好(最近距离是0)。然而，当你选择拟合直线使得y;与y是相当近的时候，y;与$,的距离也许变远了，因此，存在一个权衡。一种简单的权衡方式是，给定x?,x?,.,xw,拟合直线的选择应该使y?与y?、y?与y?、.、yn与父的距离的平均值是最小的。距离是一个绝对值，数学处理较为麻烦，因此，我们把第二种思考方法转化求解数学问题：

由于N为常数，因此上述两个数学问题对于求解β。与β的值是无差异的。

三、求解

定义,利用一阶条件，有：

Z,=0

方程(1)与(2)被称为正规方程。由(1),有：

(1)

(2)

y=β?+βx把β=y-βx带入(2),有：

Z[y,-y-β(x,-x)]x,=0

关于正规方程的直觉：

无论用何种估计方法，我们都希望残差所包含的信息价值很小，如果残差还含有大量的信息价值，那么该估计方法是需要改进的!对模型y=β?+βx+ε利用

OLS,至少我们能保证(1):残差均值为零；(2)残差与解释变量x不相关【一个变量与另一个变量相关是一个重要的信息】。

练习：

(1)利用离差之和为零的代数性质，验证：

补充：定义y与x的样本协方差为：

的样本方差为

,

,则

我们用δ表示总体协方差，δ2表示总体方差。上述定义的样本协方差及其样本方差分别是对总体协方差及其总体方差的一个有偏估计；

及其

才分别是对总体协方

差及其总体方差的一个无偏估计。

(2)假定y=βx+E,用OLS法拟合一个过原点的直线：

y=βx,求证在OLS法下有：

并验证：∑y2=∑y2+Zε

笔记：

①现在只有一个正规方程，该正规方程同样表明

Zê,x,=0。

②无截距回归公式的一个应用

假定y与x真实的关系是：

y=βo+βx+E(2)

即，F=β?D;+e;(3)

对(3),按照无截距回归公式，有：

(3)假定y=β+ε,用OLS法拟合一水平直线，即：

y=β,求证β=y。

四、一些基本的性质

对于简单线性回归模型：y=β?+βx+ε,在OLS法下，存在如下代数性质：

(一)拟合直线过点(xy),y=y。

(二)由正规方程(1)可知，残差之和为零。

注释：只有拟合直线带有截距时才存在正规方程(1)。

(三)由正规方程(2)可知，残差与x的样本协方差为零，即残差与x样本不相关。【注意：该性质的获得

也利用了性质(二)】。

∑(y,-β?-βx.)x,=0

→Σex,=0→Z(ê,-E)x,=Z(ê,-E)(x,-x)=0

→Cov(ê,x)=0

练习：证明残差与y也是样本不相关的。

(四)定义

其中TSS、ESS、RSS分别被称为总平方和、解释平方和与残差平方和。则：TSS=ESS+RSS。

证明：

y=y+ê→Var(y)=Var(y)+Var(ê)+2Cov(y,ê)

∵Cov(y,ê)=Cov(β