首页 计量经济学课件李子奈PPT课件

计量经济学课件李子奈PPT课件

计量经济学课件李子奈PPT课件《计量经济学》《Econometrics》《经济计量学》第一章绪论0.1关于绪论0.2课程教学大纲§1.1计量经济学§1.2经典计量经济学模型的建模步骤§1.3计量经济学模型的应用0.1关于绪论○绪论是课程的纲。○学好绪论，可以说学好了课程的一半。参观一个城市，先站在最高处俯瞰，然后走街串巷；了解一座建筑，先看模型，后走进每一个房间。各起一半作用。○绪论课的目的：了解课程的性质和在课程体系中的地位；了解课程完整的内容体系和将要讲授的内容；了解课程的重点和难点；了解课程的学习方法；介绍课程中不讲的但是必须了解的课程内...

《计量经济学》《Econometrics》《经济计量学》第一章绪论0.1关于绪论0.2课程教学大纲§1.1计量经济学§1.2经典计量经济学模型的建模步骤§1.3计量经济学模型的应用0.1关于绪论○绪论是课程的纲。○学好绪论，可以说学好了课程的一半。参观一个城市，先站在最高处俯瞰，然后走街串巷；了解一座建筑，先看模型，后走进每一个房间。各起一半作用。○绪论课的目的：了解课程的性质和在课程体系中的地位；了解课程完整的内容体系和将要讲授的内容；了解课程的重点和难点；了解课程的学习方法；介绍课程中不讲的但是必须了解的课程内容。○不必全懂，只需似懂非懂。0.2《计量经济学》教学大纲⒈课程计量经济学课号：10114513学分：3课程性质：教育部规定核心课程⒉教师主讲教师：特聘教授：讲授部分内容，英语授课助教：电话：E-mail:⒊课程说明⑴教学目的经济学是一门科学，实证的方法，尤其是数量分析方法是经济学研究的基本方法论。通过该门课程教学，使学生掌握计量经济学的基本理论与方法，并能够建立实用的计量经济学应用模型。⑵先修课程中级微观经济学、中级宏观经济学、经济统计学、微积分、线性代数、概率论与数理统计、应用数理统计⑶教材及参考书《计量经济学》，李子奈，高等教育出版社，2000年7月《BasicEconometrics》,DamodarN.Gujarrati，2001《计量经济学—方法与应用》，李子奈，清华大学出版社，1992年《高等计量经济学》，李子奈、叶阿忠，清华大学出版社，2000年《计量经济学—理论、方法与模型》，唐国兴，复旦大学出版社，1988年,MichaelD.Intriligator,Prentice-HallInc.,1978(FirstEdition),1997(SecondEdition)⑷课堂资料下载内容：教材电子版、补充资料、课件、习题集、教学基本要求、教学大纲、复习要点等。路径：院内：网上邻居→整个网络→Mislab→Ntserver→Lizn院外：\\166.111.96.50→Lizn⑸教学讨论区学院主页→分类讨论区→计量经济学讨论区进入帐号：口令：⑹答疑时间⑺课程内容提纲及学时安排（总课时：48学时，课内外周学时：3/6）第一章绪论3学时第二章单方程计量经济学模型理论与方法15学时第三章单方程计量经济学应用模型9学时第四章联立方程计量经济学理论与方法9学时第五章宏观计量经济模型3学时第六章时间序列计量经济学模型9学时⑻课程成绩综合练习一：10分综合练习二：10分课堂表现：10分期末考核：70分⒋关于学习方法的说明⑴理论与应用并重。既要重视理论方法，也要重视应用模型和应用中实际问题的解决；⑵以教材中的经典理论方法为主，也要理解适当引入的、教材中没有的非经典理论方法；⑶对于理论方法，重点是思路而不是数学过程；⑷对于应用模型，重点不是每种模型本身，而是它们演变与发展的方法论；⑸必须十分重视综合练习；⑹必须掌握一种应用软件，注意课堂的软件应用演示，“师傅领进门，修行在个人”，多练。§1.1计量经济学一、计量经济学二、计量经济学模型三、计量经济学的内容体系四、计量经济学是一门经济学科五、计量经济学在经济学科中的地位一、计量经济学△经济学的一个分支学科○1926年挪威经济学家R.Frish提出Econometrics○1930年成立世界计量经济学会○1933年创刊《Econometrica》○20世纪40、50年代的大发展和60年代的扩张○20世纪70年代以来非经典（现代）计量经济学的发展△定义“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。”△在经济学科中占据极重要的地位克莱因（R.Klein）：“计量经济学已经在经济学科中居于最重要的地位”，“在大多数大学和学院中，计量经济学的讲授已经成为经济学课程表中最有权威的一部分”。萨缪尔森（P.Samuelson）：“第二次大战后的经济学是计量经济学的时代”。二、计量经济学模型△模型△数学模型△经济数学模型△计量经济学模型△经济理论分析（行为分析）→数理分析→数量分析三、计量经济学的内容体系△广义计量经济学和狭义计量经济学△初、中、高级计量经济学△理论计量经济学和应用计量经济学△经典计量经济学和非经典计量经济学△微观计量经济学和宏观计量经济学△广义计量经济学和狭义计量经济学广义计量经济学是利用经济理论、数学以及统计学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。狭义计量经济学，也就是我们通常所说的计量经济学，以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。本课程中的计量经济学模型，就是狭义计量经济学意义上的经济数学模型。△初、中、高级计量经济学初级以计量经济学的数理统计学基础知识和经典的线性单方程模型理论与方法为主要内容；中级以用矩阵描述的经典的线性单方程模型理论与方法、经典的线性联立方程模型理论与方法，以及传统的应用模型为主要内容；高级以非经典的、现代的计量经济学模型理论、方法与应用为主要内容。本课程定位于中级水平上，适当引入高级的内容。△理论计量经济学和应用计量经济学理论计量经济学是以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。除了介绍计量经济模型的数学理论基础、普遍应用的计量经济模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验方法，应用了广泛的数学知识。应用计量经济学则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。本课程是二者的结合。△经典计量经济学和非经典计量经济学经典计量经济学（ClassicalEconometrics）一般指20世纪70年代以前发展并广泛应用的计量经济学。R.Frish创立T.Haavelmo建立了它的概率论基础L.R.Klein成为其理论与应用的集大成者经典计量经济学在理论方法方面特征是：⑴模型类型—随机模型；⑵模型导向—理论导向；⑶模型结构—线性或者可以化为线性，因果分析，解释变量具有同等地位，模型具有明确的形式和参数；⑷数据类型—以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量；⑸估计方法—仅利用样本信息，采用最小二乘方法或者最大似然方法估计模型。经典计量经济学在应用方面的特征是：⑴应用模型方法论基础—实证分析、经验分析、归纳；⑵应用模型的功能—结构分析、政策评价、经济预测、理论检验与发展；⑶应用模型的领域—传统的应用领域，例如生产、需求、消费、投资、货币需求，以及宏观经济等。非经典计量经济学一般指20世纪70年代以来发展的计量经济学理论、方法及应用模型，也称为现代计量经济学。非经典计量经济学主要包括：微观计量经济学、非参数计量经济学、时间序列计量经济学和动态计量经济学等。非经典计量经济学的内容体系：模型类型非经典的计量经济学问题、模型导向非经典的计量经济学问题、模型结构非经典的计量经济学问题、数据类型非经典的计量经济学问题和估计方法非经典的计量经济学问题。本课程以经典计量经济学为主，适当引入一些简单的、应用较多的现代计量经济学理论方法。理由：一方面，从理论方法角度，经典计量经济学理论方法是非经典计量经济学理论方法的基础；另一方面，从应用的角度，经典计量经济学模型仍然是目前应用最为普遍的计量经济学模型。△微观计量经济学和宏观计量经济学微观计量经济学于2000年诺贝尔经济学奖公报中正式提出。微观计量经济学的内容集中于“对个人和家庭的经济行为进行经验分析”；“微观计量经济学的原材料是微观数据”，微观数据表现为截面数据和平行（penal）数据。赫克曼（J.Heckman）和麦克法登（D.McFaddan）对微观计量经济学作出原创性贡献。微观计量经济学教科书和课程有：“Microeconometrics”“AdvancedMicroeconometrics”“AppliedMicroeconometrics”“TopicsinMicroeconometrics”“MethodsinMicroeconometrics”微观计量经济学的主要内容包括：平行（penal）数据模型的理论方法离散选择模型的理论方法选择性样本模型的理论方法宏观计量经济学名称由来已久，但是它的主要内容和研究方向发生了变化。经典宏观计量经济学：利用计量经济学理论方法，建立宏观经济模型，对宏观经济进行分析、评价和预测。现代宏观计量经济学的主要研究方向：单位根检验、协整理论以及动态计量经济学。四、计量经济学是一门经济学科△从计量经济学的定义看△从计量经济学在西方国家经济学科中的地位看△从计量经济学与数理统计学的区别看△从建立与应用计量经济学模型的全过程看△从诺贝尔经济学奖看△诺贝尔经济学奖与计量经济学53位获奖者中10位直接因为对计量经济学发展的贡献而获奖1969R.FrishJ.Tinbergen1973W.Leotief1980L.R.Klein1984R.Stone1989T.Haavelmo2000J.J.HeckmanD.L.McFadden2003R.F.EngleC.W.J.Granger近20位担任过世界计量经济学会会长30余位左右在获奖成果中应用了计量经济学获奖者名单2003RobertF.Engle,CliveW.J.Granger2002DanielKahneman,VernonL.Smith2001GeorgeA.Akerlof,A.MichaelSpence,JosephE.Stiglitz2000JamesJHeckman,DanielLMcFadden1999RobertA.Mundell1998AmartyaSen1997RobertC.Merton,MyronS.Scholes1996JamesA.Mirrlees,WilliamVickrey1995RobertE.LucasJr.1994JohnC.Harsanyi,JohnF.NashJr.,ReinhardSelten1993RobertW.Fogel,DouglassC.North1992GaryS.Becker1991RonaldH.Coase1990HarryM.Markowitz,MertonH.Miller,WilliamF.Sharpe1989TrygveHaavelmo1988MauriceAllais1987RobertM.Solow1986JamesM.BuchananJr.1985FrancoModigliani1984RichardStone1983GerardDebreu1982GeorgeJ.Stigler1981JamesTobin1980LawrenceR.Klein1979TheodoreW.Schultz,SirArthurLewis1978HerbertA.Simon1977BertilOhlin,JamesE.Meade1976MiltonFriedman1975LeonidVitaliyevichKantorovichTjallingC.Koopmans1974GunnarMyrdalFriedrichAugustvonHayek1973WassilyLeontief1972JohnR.Hicks,KennethJ.Arrow1971SimonKuznets1970PaulA.Samuelson1969RagnarFrisch,JanTinbergenTheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel1969"forhavingdevelopedandapplieddynamicmodelsfortheanalysisofeconomicprocesses"RagnarFrischNorwayJanTinbergentheetherlandsTheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel1973"forthedevelopmentoftheinput-outputmethodandforitsapplicationtoimportanteconomicproblems"WassilyLeontiefUSATheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel1980"forthecreationofeconometricmodelsandtheapplicationtotheanalysisofeconomicfluctuationsandeconomicpolicies"LawrenceR.KleinUSATheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel1984"forhavingmadefundamentalcontributionstothedevelopmentofsystemsofnationalaccountsandhencegreatlyimprovedthebasisforempiricaleconomicanalysis"RichardStoneGreatBritainTheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel1989"forhisclarificationoftheprobabilitytheoryfoundationsofeconometricsandhisanalysesofsimultaneouseconomicstructures"TrygveHaavelmoNorway经典计量经济学创立建立第1个应用模型建立概率论基础发展数据基础发展应用模型TinbergenFrischHaavelmoStoneKlein建立投入产出模型LeontiefTheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel2000"forhisdevelopmentoftheoryandmethodsforanalyzingselectivesamples”JamesJHeckmanUSATheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel2000"forhisdevelopmentoftheoryandmethodsforanalyzingdiscretechoice"DanielLMcFaddenUSATheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel2003"formethodsofanalyzingeconomictimeserieswithcommontrends(cointegration)"CliveW.J.GrangerUKTheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel2003"formethodsofanalyzingeconomictimeserieswithtime-varyingvolatility(ARCH)"RobertF.EngleUSA非经典计量经济学微观计量：选择性样本模型微观计量：离散选择模型时间序列：协整理论—现代宏观计量时间序列：ARCH—现代金融计量EngleHeckmanMcFaddenGranger五、计量经济学在经济学科中的地位△从现代西方经济学的特征看△从西方经济学的发展历史看△从世界一流大学经济学课程表看△从国际经济学刊物论文看△从经济学的“世界先进水平”看§1.2建立计量经济学模型的步骤和要点一、理论模型的设计二、样本数据的收集三、模型参数的估计四、模型的检验五、计量经济学模型成功的三要素一、理论模型的建立⑴确定模型包含的变量根据经济学理论和经济行为分析。例如：同样是生产方程，电力工业和纺织工业应该选择不同的变量，为什么？在时间序列数据样本下可以应用Grange统计检验等方法。例如，消费和GDP之间的因果关系。考虑数据的可得性。注意因素和变量之间的联系与区别。考虑入选变量之间的关系。要求变量间互相独立。⑵确定模型的数学形式利用经济学和数理经济学的成果根据样本数据作出的变量关系图选择可能的形式试模拟⑶拟定模型中待估计参数的理论期望值区间符号、大小、关系例如：ln(人均食品需求量)=α+βln(人均收入)+γln(食品价格)+δln(其它商品价格)+ε其中α、β、γ、δ的符号、大小、关系二、样本数据的收集⑴几类常用的样本数据时间序列数据截面数据虚变量离散数据联合应用⑵数据质量完整性准确性可比性一致性三、模型参数的估计⑴各种模型参数估计方法⑵如何选择模型参数估计方法⑶关于应用软件的使用课堂教学结合Eviews能够熟练使用一种四、模型的检验⑴经济意义检验根据拟定的符号、大小、关系例如：ln(人均食品需求量)=－2.0－0.5ln(人均收入)－4.5ln(食品价格)+0.8ln(其它商品价格)ln(人均食品需求量)=－2.0+0.5ln(人均收入)－4.5ln(食品价格)+0.8ln(其它商品价格)ln(人均食品需求量)=－2.0+0.5ln(人均收入)－0.8ln(食品价格)+0.8ln(其它商品价格)⑵统计检验由数理统计理论决定包括拟合优度检验总体显著性检验变量显著性检验⑶计量经济学检验由计量经济学理论决定包括异方差性检验序列相关性检验共线性检验⑷模型预测检验由模型的应用要求决定包括稳定性检验：扩大样本重新估计预测性能检验：对样本外一点进行实际预测五、计量经济学模型成功的三要素理论数据方法§1.3计量经济学模型的应用一、结构分析二、经济预测三、政策评价四、理论检验与发展一、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究。结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。应用举例二、经济预测计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。模型理论方法的发展以适应预测的需要。三、政策评价政策评价的重要性。经济政策的不可试验性。计量经济学模型的“经济政策实验室 ”功能。四、理论检验与发展实践是检验真理的唯一标准。任何经济学理论，只有当它成功地解释了过去，才能为人们所接受。计量经济学模型提供了一种检验经济理论的好方法。对理论假设的检验可以发现和发展理论。单方程计量经济学模型理论与方法TheoryandMethodologyofSingle-EquationEconometricModel第二章经典单方程计量经济学模型：一元线性回归模型回归分析概述一元线性回归模型的参数估计一元线性回归模型检验一元线性回归模型预测实例§2.1回归分析概述一、变量间的关系及回归分析的基本概念二、总体回归函数三、随机扰动项四、样本回归函数（SRF）§2.1回归分析概述（1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。（2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。一、变量间的关系及回归分析的基本概念1、变量间的关系经济变量之间的关系，大体可分为两类：对变量间统计依赖关系的考察主要是通过相关分析(correlationanalysis)或回归分析(regressionanalysis)来完成的：例如：函数关系：统计依赖关系/统计相关关系：①不线性相关并不意味着不相关；②有相关关系并不意味着一定有因果关系；③回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。④相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。▲注意：回归分析(regressionanalysis)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。其用意：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。这里：前一个变量被称为被解释变量（ExplainedVariable）或应变量（DependentVariable），后一个（些）变量被称为解释变量（ExplanatoryVariable）或自变量（IndependentVariable）。2、回归分析的基本概念回归分析构成计量经济学的方法论基础，其主要内容包括：（1）根据样本观察值对经济计量模型参数进行估计，求得回归方程；（2）对回归方程、参数估计值进行显著性检验；（3）利用回归方程进行分析、评价及预测。由于变量间关系的随机性，回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。例2.1：一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。二、总体回归函数为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。（1）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；（2）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，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)=561分析：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。05001000150020002500300035005001000150020002500300035004000每月可支配收入X（元）每月消费支出Y（元）概念：在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（populationregressionline），或更一般地称为总体回归曲线（populationregressioncurve）。称为（双变量）总体回归函数（populationregressionfunction,PRF）。相应的函数：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。含义：函数形式：可以是线性或非线性的。例2.1中，将居民消费支出看成是其可支配收入的线性函数时:为一线性函数。其中，0，1是未知参数，称为回归系数（regressioncoefficients）。。三、随机扰动项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i为观察值Yi围绕它的期望值E(Y|Xi)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）。记例2.1中，个别家庭的消费支出为：（*）式称为总体回归函数（方程）PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。（1）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。（2）其他随机或非确定性（nonsystematic)部分i。即，给定收入水平Xi,个别家庭的支出可表示为两部分之和:(*)由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。随机误差项主要包括下列因素的影响：1）在解释变量中被忽略的因素的影响；2）变量观测值的观测误差的影响；3）模型关系的设定误差的影响；4）其它随机因素的影响。产生并设计随机误差项的主要原因：1）理论的含糊性；2）数据的欠缺；3）节省原则。四、样本回归函数（SRF）问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？问：能否从该样本估计总体回归函数PRF？回答：能例2.2：在例2.1的总体中有如下一个样本，总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一个样本。核样本的散点图（scatterdiagram)：样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sampleregressionlines）。记样本回归线的函数形式为：称为样本回归函数（sampleregressionfunction，SRF）。这里将样本回归线看成总体回归线的近似替代则注意：样本回归函数的随机形式/样本回归模型：同样地，样本回归函数也有如下的随机形式：由于方程中引入了随机项，成为计量经济模型，因此也称为样本回归模型（sampleregressionmodel）。▼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。注意：这里PRF可能永远无法知道。即，根据估计§2.2一元线性回归模型的参数估计一、一元线性回归模型的基本假设二、参数的普通最小二乘估计（OLS）三、参数估计的最大或然法(ML)四、最小二乘估计量的性质五、参数估计量的概率分布及随机干扰项方差的估计单方程计量经济学模型分为两大类：线性模型和非线性模型线性模型中，变量之间的关系呈线性关系非线性模型中，变量之间的关系呈非线性关系一元线性回归模型：只有一个解释变量i=1,2,…,nY为被解释变量，X为解释变量，0与1为待估参数，为随机干扰项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，其种最广泛使用的是普通最小二乘法（ordinaryleastsquares,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。注：实际这些假设与所采用的估计方法紧密相关。一、线性回归模型的基本假设假设1、解释变量X是确定性变量，不是随机变量；假设2、随机误差项具有零均值、同方差和不序列相关性：E(i)=0i=1,2,…,nVar(i)=2i=1,2,…,nCov(i,j)=0i≠ji,j=1,2,…,n假设3、随机误差项与解释变量X之间不相关：Cov(Xi,i)=0i=1,2,…,n假设4、服从零均值、同方差、零协方差的正态分布i~N(0,2)i=1,2,…,n1、如果假设1、2满足，则假设3也满足;2、如果假设4满足，则假设2也满足。注意：以上假设也称为线性回归模型的经典假设或高斯（Gauss）假设，满足该假设的线性回归模型，也称为经典线性回归模型（ClassicalLinearRegressionModel,CLRM）。另外，在进行模型回归时，还有两个暗含的假设：假设5：随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。即假设6：回归模型是正确设定的假设5旨在排除时间序列数据出现持续上升或下降的变量作为解释变量，因为这类数据不仅使大样本统计推断变得无效，而且往往产生所谓的伪回归问题（spuriousregressionproblem）。假设6也被称为模型没有设定偏误（specificationerror）二、参数的普通最小二乘估计（OLS）给定一组样本观测值（Xi,Yi）（i=1,2,…n）要求样本回归函数尽可能好地拟合这组值.普通最小二乘法（Ordinaryleastsquares,OLS）给出的判断标准是：二者之差的平方和最小。方程组（*）称为正规方程组（normalequations）。记上述参数估计量可以写成：称为OLS估计量的离差形式（deviationform）。由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量（ordinaryleastsquaresestimators）。顺便指出，记则有可得（**）式也称为样本回归函数的离差形式。（**）注意：在计量经济学中，往往以小写字母表示对均值的离差。三、参数估计的最大或然法(ML)最大或然法(MaximumLikelihood,简称ML)，也称最大似然法，是不同于最小二乘法的另一种参数估计方法，是从最大或然原理出发发展起来的其它估计方法的基础。基本原理：对于最大或然法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。在满足基本假设条件下，对一元线性回归模型：随机抽取n组样本观测值（Xi,Yi）（i=1,2,…n）。那么Yi服从如下的正态分布：于是，Y的概率函数为（i=1,2,…n）假如模型的参数估计量已经求得，为因为Yi是相互独立的，所以的所有样本观测值的联合概率，也即或然函数(likelihoodfunction)为：将该或然函数极大化，即可求得到模型参数的极大或然估计量。由于或然函数的极大化与或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：可见，在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。例2.2.1：在上述家庭可支配收入-消费支出例中，对于所抽出的一组样本数，参数估计的计算可通过下面的表2.2.1进行。因此，由该样本估计的回归方程为：四、最小二乘估计量的性质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。（4）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；（5）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；（6）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。这三个准则也称作估计量的小样本性质。拥有这类性质的估计量称为最佳线性无偏估计量（bestlinerunbiasedestimator,BLUE）。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：高斯—马尔可夫定理(Gauss-Markovtheorem)在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。证：易知故同样地，容易得出（2）证明最小方差性其中，ci=ki+di，di为不全为零的常数则容易证明普通最小二乘估计量（ordinaryleastSquaresEstimators）称为最佳线性无偏估计量（bestlinearunbiasedestimator,BLUE）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。五、参数估计量的概率分布及随机干扰项方差的估计2、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。2又称为总体方差。可以证明，2的最小二乘估计量为它是关于2的无偏估计量。在最大或然估计法中，因此，2的最大或然估计量不具无偏性，但却具有一致性。§2.3一元线性回归模型的统计检验一、拟合优度检验二、变量的显著性检验三、参数的置信区间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。尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。主要包括拟合优度检验、变量的显著性检验及参数的区间估计。一、拟合优度检验拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。度量拟合优度的指标：判定系数（可决系数）R2问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？1、总离差平方和的分解已知由一组样本观测值（Xi,Yi），i=1,2…,n得到如下样本回归直线如果Yi=Ŷi即实际观测值落在样本回归“线”上，则拟合最好。可认为，“离差”全部来自回归线，而与“残差”无关。对于所有样本点，则需考虑这些点与样本均值离差的平方和,可以证明：记总体平方和（TotalSumofSquares）回归平方和（ExplainedSumofSquares）残差平方和（ResidualSumofSquares）TSS=ESS+RSSY的观测值围绕其均值的总离差(totalvariation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。在给定样本中，TSS不变，如果实际观测点离样本回归线越近，则ESS在TSS中占的比重越大，因此拟合优度：回归平方和ESS/Y的总离差TSS2、可决系数R2统计量称R2为（样本）可决系数/判定系数（coefficientofdetermination)。可决系数的取值范围：[0，1]R2越接近1，说明实际观测点离样本线越近，拟合优度越高。在例2.1.1的收入-消费支出例中，注：可决系数是一个非负的统计量。它也是随着抽样的不同而不同。为此，对可决系数的统计可靠性也应进行检验，这将在第3章中进行。二、变量的显著性检验回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。在一元线性模型中，就是要判断X是否对Y具有显著的线性性影响。这就需要进行变量的显著性检验。变量的显著性检验所应用的方法是数理统计学中的假设检验。计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。1、假设检验所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。假设检验采用的逻辑推理方法是反证法。先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。判断结果合理与否，是基于“小概率事件不易发生”这一原理的2、变量的显著性检验检验步骤：（1）对总体参数提出假设H0：1=0，H1：10（2）以原假设H0构造t统计量，并由样本计算其值（3）给定显著性水平，查t分布表，得临界值t/2(n-2)(4)比较，判断若|t|>t/2(n-2)，则拒绝H0，接受H1；若|t|t/2(n-2)，则拒绝H1，接受H0；对于一元线性回归方程中的0，可构造如下t统计量进行显著性检验：在上述收入-消费支出例中，首先计算2的估计值t统计量的计算结果分别为：给定显著性水平=0.05，查t分布表得临界值t0.05/2(8)=2.306|t1|>2.306，说明家庭可支配收入在95%的置信度下显著，即是消费支出的主要解释变量；|t2|<2.306,表明在95%的置信度下，无法拒绝截距项为零的假设。假设检验可以通过一次抽样的结果检验总体参数可能的假设值的范围（如是否为零），但它并没有指出在一次抽样中样本参数值到底离总体参数的真值有多“近”。要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。三、参数的置信区间如果存在这样一个区间，称之为置信区间（confidenceinterval）；1-称为置信系数（置信度）（confidencecoefficient），称为显著性水平（levelofsignificance）；置信区间的端点称为置信限（confidencelimit）或临界值（criticalvalues）。一元线性模型中，i(i=1，2）的置信区间:在变量的显著性检验中已经知道：意味着，如果给定置信度（1-），从分布表中查得自由度为(n-2)的临界值，那么t值处在(-t/2,t/2)的概率是(1-)。表示为：即于是得到:(1-)的置信度下,i的置信区间是在上述收入-消费支出例中，如果给定=0.01，查表得：由于于是，1、0的置信区间分别为：（0.6345,0.9195)（-433.32,226.98）由于置信区间一定程度地给出了样本参数估计值与总体参数真值的“接近”程度，因此置信区间越小越好。要缩小置信区间，需（1）增大样本容量n，因为在同样的置信水平下，n越大，t分布表中的临界值越小；同时，增大样本容量，还可使样本参数估计量的标准差减小；（2）提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型拟合优度越高，残差平方和应越小。§2.4一元线性回归分析的应用：预测问题一、Ŷ0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计二、总体条件均值与个值预测值的置信区间对于一元线性回归模型给定样本以外的解释变量的观测值X0，可以得到被解释变量的预测值Ŷ0，可以此作为其条件均值E(Y|X=X0)或个别值Y0的一个近似估计。注意：严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因:（1）参数估计量不确定；（2）随机项的影响一、Ŷ0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计对总体回归函数E(Y|X=X0)=0+1X，X=X0时E(Y|X=X0)=0+1X0于是可见，Ŷ0是条件均值E(Y|X=X0)的无偏估计。对总体回归模型Y=0+1X+，当X=X0时于是二、总体条件均值与个值预测值的置信区间1、总体均值预测值的置信区间由于于是可以证明因此故其中于是，在1-的置信度下，总体均值E(Y|X0)的置信区间为2、总体个值预测值的预测区间由Y0=0+1X0+知:于是式中:从而在1-的置信度下，Y0的置信区间为在上述收入-消费支出例中，得到的样本回归函数为则在X0=1000处，Ŷ0=–103.172+0.777×1000=673.84而因此，总体均值E(Y|X=1000)的95%的置信区间为：673.84-2.30661.05

                    本文档为【计量经济学课件李子奈PPT课件】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：￥14.4 已有0 人下载

立即下载

计量经济学课件李子奈PPT课件

你可能还喜欢