经典单方程计量经济学模型一元回归模型.pptVIP

经典单方程计量经济学模型：

一元线性回归模型

TheClassicalSingleEquationEconometricModel:SimpleLinearRegressionModel;本章内容;§2.1回归分析概述

(RegressionAnalysis);一、变量间的关系及回归分析

的基本概念;1、变量间的关系;函数关系;相关关系的分类;相关关系的分类;相关关系的分类;函数关系与相关关系的区别;2.相关分析;相关系数;（2-2）;3.回归分析;例如:;4.相关分析与回归分析之间的关系;二、总体回归函数

PopulationRegressionFunction,PRF;1、条件均值（conditionalmean）;由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同；

但由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布（Conditionaldistribution）是已知的。

例如：P(Y=561|X=800）

=1/4。

因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditionalmean）或条件期望（conditionalexpectation）：E(Y|X=Xi)。

该例中：E(Y|X=800)

=605;描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。;2、总体回归函数;含义：回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。

函数形式：可以是线性或非线性的。

例2.1.1中，将居民消费支出看成是其可支配收入的线性函数时:;三、随机扰动项

StochasticDisturbance

;总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。

但对某一个别的家庭，其消费支出可能与该平均水平有偏差。

称为观察值围绕它的期望值的离差（deviation），是一个不可观测的随机变量，又称为随机干扰项（stochasticdisturbance）或随机误差项（stochasticerror）。;例2.1.1中，给定收入水平Xi,个别家庭的支出可表示为两部分之和：

该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分；

其他随机或非确定性（nonsystematic)部分?i。;引入随机误差项的原因：

代表未知的影响因素；

代表残缺的数据；

代表众多细小影响因素

代表数据观测误差；

代表模型设定误差；

代表变量的内在随机性。;

四、样本回归函数

SampleRegressionFunction,SRF

;1、样本回归函数;该样本的散点图（scatterdiagram)：;注意：这里将样本回归线看成总体回归线的近似替代;2、样本回归模型;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。;§2.2一元线性回归模型的基本假设

(AssumptionsofSimpleLinearRegressionModel);说明;1、对模型设定的假设;2、关于解释变量的假设;3、关于随机项的假设;假设5：随机误差项与解释变量之间不相关。;§2.3一元线性回归模型的参数估计

(EstimationofSimpleLinearRegressionModel);一、参数的普通最小二乘估计（OLS）;1、最小二乘原理;2、正规方程组;3、参数估计量;4、“估计量”（estimator）和“估计值”(estimate)的区别;二、参数估计的最大似然法(ML);1、最大似然法;2、估计步骤;对数似然函数;3、讨论;三、最小二乘估计量的性质;1、概述;当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质(asymptoticproperties)：

渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；

一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；

渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。;2、高斯—马尔可夫定理(Gauss-Markovtheorem);证：;（2）证明最小方差性;由于最小二乘估计量拥有一个“好”的估计量所应具备的小样本特性，它自然也拥有大样本特性。;四、参数估计量的概率分布及随机干扰项方差的估计;1、参数估计量的概率分