计量经济学(2).ppt

认清4种线性模型表达式：,S2.1.5线性回归模型的表达式,主要内容的回顾：,（1）各解释变量不是随机变量，是确定性变量，并且各解释变量之间互不相关。,（2）随机误差项具有零均值和同方差（与i无关）;即,（3）随机误差项在不同样本点之间是独立的，不存在序列相关（自相关）。即,（4）随机误差项与解释变量之间不相关。即,（5）随机误差项服从正态分布，即,随机误差项应满足的五条基本假设是：,最小二乘估计的原理:使得观测值与估计值的差的平方和取得最小值时的参数的取值,就是模型的最小二乘估计值.,最小二乘估计（LeastSquaresEstimation）,最小二乘估计量的性质:BLUE,线性,无偏性和有效性(方差最小性),关于极大似然估计(MLE)(MaximumLikelihoodEstimation),极大似然估计原理：发生概率最大的做为参数的估计，是从发生概率角度去对参数进行估计的。最小二乘法原理：将使模型能最好的拟合样本数据的参数取值做为参数的估计。,极大似然估计的步骤：1.已知分布密度函数，求出样本的似然函数。2.建立似然方程。对似然函数关于未知参数求偏导，令其等于0。3.解似然方程，得到参数的估计。,一元线性回归模型中参数的极大似然估计。,可见，的OLS估计与ML相同,课本例2.2.1;,小样本性质：线性、无偏性、有效性（方差最小）,大样本性质：渐进无偏性、一致性、渐进有效性（方差最小）,线性回归模型中“线性”的含义,两重含义:,1.是指被解释变量Y与X解释变量之间为线性关系.,计量经济学中更重视第2种线性关系,因为只要Y与参数之间为线性关系,即使模型不满足第1种线性关系,我们也可以通过变换,是变幻后的被解释变量与解释变量之间的关系实现线性化.,2.是指被解释变量Y与参数之间为线性关系.,首先,根据模型的基本假设,S2.2.5参数估计量的概率分布和随机误差项方差的估计.,所以,都服从正态分布.,见课本38页,在实际当中，实际上不知道，那么的方差仍然是不知道的，对参数估计的精度没有一个定量的结果。不利于误差分析。,下面解决的估计问题：我们知道，,而残差是可以观测的。,利用极大似然法，得到残差的ML估计：,所以在实际当中,我们常利用,作为的估计.,S2.3一元线性回归模型的统计检验,对于计量经济模型,参数估计出来后,要进行检验,前面我们已经作了关于经济理论检验的练习,这里讲统计检验.,S2.3.1拟合优度检验,先来对总的离差平方和进行分解.,主要是用来检验得出的模型对样本数据的拟合程度.,(总离差),残差,回归离差,TSS(总离差平方和),ESS（回归平方和）,RSS（残差平方和）,TSS=ESS+RSS,其中TSS(totalsumofsquares)表示总体离差平方和,表示所有影响因素对被解释变量造成的总影响.,其中ESS(explainedsumofsquares)表示由我们建立的模型引入的(解释)变量引起的波动.其取值的大小反映了解释变量对被解释变量影响的大小.,其中RSS(residualsumofsquares)表示由不能确定的其它小的随机因素造成的影响.其取值的大小反映了随机因素对被解释变量影响的大小.,这里我们采用,显然,这个比值越接近1,说明模型越好,对样本数据的拟合程度越优.,来表示解释变量对被解释变量总变动的贡献度.这是一个相对百分数.它取值在01之间.,显然这里用相对量而不用绝对量表示,是因为,即便对同一个模型进行参数估计,如果采用样本数据的容量不同(即n取值不同).会不同,且随着n的增大会越来越大.不具有客观性,不妥.,或者说RSS会越来越大,S2.3.2变量的显著性检验(也称为系数的显著性检验),变量的显著性检验的目的:检验解释变量对被解释变量是否有显著影响.即解释变量相对于被解释变量而言是举足轻重还是无足重轻.,如果不显著,就是说这个变量对被解释变量而言是可有可无的,应当剔除.如果显著,说明解释变量的选取恰当,很好!,变量的显著性检验的方法是假设检验.,假设检验的原理:即小概率原理,小概率原理认为发生概率很小的事件在一次试验中是不可能发生的.,假设检验的步骤:1.建立原假设和备择假设:2.当原假设成立时,构造统计量T.3.给定显著性水平,求出拒绝域W.4.把样本数据代入统计量求得值,当,S2.3.2.1假设