《计量经济学》配套教学课件

1

计量经济学

第一章导论2第一章导论对《计量经济学》整体的概略认识对学科或课程整体认识的必要性:

大系统与子系统的关系;不能瞎子摸象内容：●什么是计量经济学

●计量经济学的基本研究方式

●计量经济学中最基本的概念

———变量、参数、数据和模型

23第一节什么是计量经济学

本节基本内容:●计量经济学的产生与发展●计量经济学的性质●计量经济学与其他学科的关系

44什么是计量经济学?

实例1：对中国经济增长的定量研究●中国经济总量的度量及增长的状况怎样?(GDP的度量、增长速度、波动)●分析影响中国GDP增长的因素有哪些？（如投资、消费、出口、货币供应量等）●中国GDP与各种影响因素关系的性质是什么？（如增加、减少）●各种因素对中国GDP影响的程度和具体数量规律是什么？

（各种因素变动具体会引起GDP变动多少）●所作数量分析结果的可靠性如何？●对经济增长的政策效应分析、对中国GDP发展趋势的预测等4从感性认识到理性认识——先看实例:55实例2：中国家庭用汽车市场的研究

●家用汽车市场状况如何？（用销售量观测）●影响汽车销量的主要因素是什么？

（如收入、价格、费用、道路状况、政策、消费行为特征等）●各种因素对汽车销量影响的性

质怎样？（正、负）●各种因素影响汽车销量的具体

数量关系是什么？●所得的分析结论是否可靠？●今后汽车市场的发展前景怎样？应如何制定汽车的产业政策？566实例3：中国股票价格波动的研究●股票价格变动的情况怎样?

（用股价指数观测）●影响股票价格变动的主要因素是什么?

（基本面、资金、政策、利率、公司业绩、投资者信心等）●股价与各种影响因素的关系是什么?

（利空、利多）●各种因素影响的具体数量规律是什么？●所得的数量分析结果可不可靠？●今后股票价格的发展趋势可能会怎样？7这类实例需要研究的共性问题：●提出所研究的经济问题及度量方式（如GDP、股票价格、汽车）

确定作为研究对象的经济现象的变量●分析主要影响因素（根据经济理论、实际经验）

选择若干作为影响因素的变量

●

分析各种影响因素与所研究经济现象的相互关系

决定相互联系的数学关系式

●

确定所研究的经济问题与各种影响因素间的数量规律

需要有科学的数量分析方法

●

分析和检验所得数量结论的可靠性

需要运用统计检验方法

●

运用数量研究的结果作经济分析和经济预测

对数量分析的实际应用结论：以上问题的研究具有普遍性，需要有一门学科去研究78

产生的历史：起因：对经济问题的定量研究名词：1926年弗瑞希仿造出

“Biometrics”

“Econometrics”

标志：1930年成立计量经济学会说明：“计量经济学”

“经济计量学”一、计量经济学的产生与发展9特点

计量经济学的重要特点是它自身并没有固定的经济理论，计量经济学中的各种计量方法和技术，大多来自数学和统计学。计量经济学产生的意义

从定性研究到定量分析的发展，是经济学更精密、更科学的表现，是现代经济学的重要特征10

计量经济学的发展

●计算机应用●模型的变量和方程

由少到多，又趋向较少，多个模型归并为整体模型●应用领域的拓展宏观、微观经济领域应用，由预测为主转向更多地对经济理论假设和政策假设的检验11●理论与方法的新突破

除了经典线性计量经济学模型以外，出现非线性模型、非参数、半参数模型、动态模型、时间序列模型、协整理论、PanelData数据模型、空间计量经济模型等新的研究领域12

二、计量经济学的性质若干代表性表述：●“计量经济学是统计学、经济学和数学的结合。”

（弗瑞希）●“计量经济学是用数学语言来表达经济理论，以便通过统计方法来论述这些理论的一门经济学分支。”

（美国现代经济词典）●“计量经济学可定义为：根据理论和观测的事实，运用合适的推理方法使之联系起来同时推导，对实际经济现象进行的数量分析。”（萨谬尔逊等）各种表述的共性：

计量经济学与经济理论、统计学、数学都有关系13

一般性定义

计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

研究的主体（出发点、归宿、核心）：

经济现象及数量变化规律

研究的工具（手段）：

模型数学和统计方法必须明确：

方法手段要服从研究对象的本质特征（与数学不同）,

方法是为经济问题服务14注意：计量经济研究的三个方面理论：即说明所研究对象经济行为的经济理论

——计量经济研究的基础数据：对所研究对象经济行为观测所得到的信息

——计量经济研究的原料或依据方法：模型的方法与估计、检验、分析的方法

——计量经济研究的工具与手段三者缺一不可

15计量经济学研究的基本概述：

准备阶段计量过程运用阶段

根据数据运用方法对模型估计、检验结构分析经济预测政策评价经济计量模型经济模型数量化经济理论加工的数据统计数据经济计量方法数理统计事实反映为补充改造16计量经济学的学科类型

●理论计量经济学研究经济计量的理论和方法●应用计量经济学应用计量经济方法研究某些领域的具体经济问题17三、计量经济学与其他学科的关系1、计量经济学与经济学的关系联系：●计量经济学研究的主体—经济现象和经济关系的数量规律 ●计量经济学必须以经济学提供的理论原则和经济运行规律为依据 ●经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善

18

区别：●经济理论重在定性分析，并不对经济关系提供数量上的具体度量●计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容19联系：●经济统计侧重于对社会经济现象的描述性计量●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据●经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据2、计量经济学与经济统计学的关系20区别：●经济统计学主要用统计指标和统计分析方法对

经济现象进行描述和计量●计量经济学主要利用数理统计方法对经济变量

间的关系进行计量21

联系：●数理统计学是计量经济学的方法论基础

区别：

●数理统计学是在标准假定条件下抽象地研究一般的随机变量的统计规律性；●计量经济学是从经济模型出发，研究模型参数的估计和推断，参数有特定的经济意义，标准假定条件经常不能满足，需要建立一些专门的经济计量方法

3、计量经济学与数理统计学的关系22

第二节计量经济学的研究方法

需要做的工作

选择变量和数学关系式——

模型设定

确定变量间的数量关系——

估计参数

检验所得结论的可靠性——

模型检验

作经济分析和经济预测——

模型应用23

一、模型设定经济模型及设定模型：对经济现象或过程的一种数学模拟设定（Specification）:

▲模型只能抓主要因素和主要特征,不得不舍弃某些因素▲对所研究经济变量之间的关系选用适当的数学关系式近似地、简化地表达出来▲模型的设计和形式的取舍具有一定主观性

24

构成计量经济模型的基本要素经济变量不同时间、不同空间的表现不同，取值不同，是可以观测的因素。是模型的研究对象或影响因素。经济参数表现经济变量相互依存程度的、决定经济结构和特征的、相对稳定的因素，通常不能直接观测。随机扰动项模型中没有包含的所有因素的代表例如：

Y—消费支出X—收入、—参数u—随机误差项25

设定计量经济模型的基本要求

●要有科学的理论依据 ●选择适当的数学形式

类型:单一方程、联立方程线性形式、非线性形式

●模型要兼顾真实性和实用性

两种不好的模型：太过复杂—真实但不实用过分简单—不真实

●包含随机误差项

经济模型与计量经济模型的重要区别●方程中的变量要具有可观测性26

二、估计参数为什么要对参数作估计？

一般来说参数是未知的，又是不可直接观测的。由于随机项的存在，参数也不能通过变量值去精确计算。只能通过变量样本观测值选择适当方法去估计。

（如何通过变量样本观测值去科学地估计总体模型的参数是计量经济学的核心内容）

27两个概念

参数的估计值：所估计参数的具体数值

参数的估计式：估计参数数值的公式参数估计的常用方法普通最小二乘、广义最小二乘、极大似然估计、二段最小二乘、三段最小二乘、其它估计方法28

三、模型检验为什么要检验？●建模的理论依据可能不充分●统计数据或其他信息可能不可靠●样本可能较小，结论只是抽样的某种偶然结果●可能违反计量经济方法的某些基本假定对模型检验什么？对模型和所估计的参数加以评判，判定在理论上是否有意义，在统计上是否可靠29

对计量经济模型检验的方式►经济意义检验所估计的模型与经济理论是否相符

►统计推断检验

检验参数估计值是否抽样的偶然结果

►计量经济学检验

是否符合计量经济方法的基本假定

►预测检验

将模型预测的结果与经济运行的实际对比30四、模型应用►经济结构分析

分析变量之间的数量比例关系（如：边际分析、弹性分析、乘数分析）

例：分析消费增加对GDP的拉动作用►经济预测由预先测定的解释变量去预测应变量在样本以外的数据（动态预测、空间预测）

例：预测股票市场价格的走势31►政策评价

用模型对政策方案作模拟测算，对政策方案作评价把计量经济模型作为经济活动的实验室）

例：分析道路收费政策对汽车市场的影响►验证理论验证既有理论的正确性，发现新的理论32经济理论实际经济活动搜集统计数据设定计量模型参数估计模型检验是否符合标准模型应用经济预测结构分析政策评价修订模型符合不符合计量经济学的研究过程验证理论33第三节变量、参数、数据与模型

本节基本内容:

将贯穿于全部课程的基本概念和基本问题●计量经济模型中的变量●参数的估计方法●计量经济学中应用的数据●计量经济模型的建立34一、计量经济模型中的变量

从变量的因果关系区分：

被解释变量（应变量）——要分析研究的变量解释变量（自变量）—说明应变量变动主要原因的变量（非主要原因归入随机误差项）35

从变量的性质区分

内生变量—其数值由模型所决定的变量，是模型求解的结果

外生变量—其数值由模型以外决定的变量（相关概念：前定内生变量、前定变量）

注意:

外生变量数值的变化能够影响内生变量的变化，内生变量却不能反过来影响外生变量36二、参数的估计方法单一方程模型最常用的是普通最小二乘法、极大似然估计法等联立方程模型常用二段最小二乘法和三段最小二乘法等准则：参数估计值应符合“尽可能地接近总体参数真实值”的准则”。37三、计量经济学中应用的数据数据的来源：各种经济统计数据专门调查取得的数据人工制造的数据数据类型:

时间数列数据（同一空间、不同时间）截面数据（同一时间、不同空间）混合数据（面板数据PanelData）虚拟变量数据数据的要求：

真实性、完整性、可比性

38四、计量经济模型的建立经济模型是对实际经济现象或过程的一种数学模拟，是对复杂经济现象的简化与抽象特点：只能在一定假定前提下忽略次要因素，突出主要因素39可利用来建立计量经济模型的关系：

行为关系（如生产、投资、消费）生产技术关系（如投入产出关系）制度关系（如税率）定义关系

计量经济模型的数学形式：

线性模型：如非线性模型：如40

本章学习要点1.计量经济学的性质2.计量经济学与相关学科的联系与区别3.学习计量经济学的必要性4.计量经济学研究的基本思路和步骤5.模型的设定、参数估计、模型检验的要求6.模型中的变量及其类型7.计量经济研究中数据的类型8.参数估计的方法类型9.建立计量经济模型的依据41THANKS第一章结束了！42

第二章

简单线性回归模型

计量经济学43引子:中国旅游业总收入将超过3000亿美元吗？

未来我国旅游需求将快速增长，根据中国政府所制定的远景目标，到2020年，中国入境旅游人数将达到2.1亿人次；国际旅游外汇收入580亿美元，国内旅游收入2500亿美元。到2020年，中国旅游业总收入将超过3000亿美元，相当于国内生产总值的8%至11%。（来源：《2008年中国旅行社发展研究咨询报告》）

（参考现状：第一产业占GDP的15%，建筑业占GDP的7%）●什么决定性因素能使中国旅游业总收入超过3000亿美元?●旅游业的发展与这种决定性因素的数量关系究竟是什么？●怎样具体测定旅游业发展与这种决定性因素的数量关系?需要研究经济变量之间数量关系的方法为了不使问题复杂化,我们先在某些标准的(古典的)假定条件下，用最简单的模型，对最简单的变量间数量关系加以讨论显然，对旅游起决定性影响作用的是“中国居民的收入水平”以及“入境旅游人数”等因素。

“旅游业总收入”（Y）与“居民平均收入”（X1）或者“入境旅游人数”（X2）有怎样的数量关系呢？

能否用某种线性或非线性关系式Y=f(X)去表现这

种数量关系呢?具体该怎样去表现和计量呢?45

第一节

回归分析与回归函数

一、相关分析与回归分析（对统计学的回顾）1、经济变量之间的相互关系

性质上可能有三种情况:◆确定性的函数关系

Y=f(X)可用数学方法计算◆不确定的统计关系—相关关系

Y=f（X）+ε(ε为随机变量)可用统计方法分析

◆没有关系不用分析

46◆相关关系的描述

最直观的描述方式——坐标图（散布图、散点图））

函数关系相关关系(线性)没有关系相关关系(非线性)2、相关关系4747

相关关系的类型

●

从涉及的变量数量看

简单相关多重相关（复相关）●

从变量相关关系的表现形式看

线性相关——散布图接近一条直线非线性相关——散布图接近一条曲线●

从变量相关关系变化的方向看

正相关——变量同方向变化，同增同减负相关——变量反方向变化，一增一减不相关48

3、相关程度的度量—相关系数

如果和总体的全部数据都已知，和的方差和协方差也已知，则

X和Y的总体线性相关系数：

其中：X的方差Y的方差X和Y的协方差特点：●总体相关系数只反映总体两个变量

和

的线性相关程度●对于特定的总体来说，

和

的数值是既定的，总体相关系数

是客观存在的特定数值。●总体的两个变量

和的全部数值通常不可能直接观测，所以总体相关系数一般是未知的。

49如果只知道X和Y的样本观测值，则X和Y的样本线性相关系数为：

其中：和分别是变量X和Y的样本观测值，和分别是变量X和Y样本值的平均值注意:是随抽样而变动的随机变量。X和Y的样本线性相关系数：相关系数较为简单,也可以在一定程度上测定变量间的数量关系,但是对于具体研究变量间的数量规律性还有局限性。50

●

X和Y都是相互对称的随机变量，●

线性相关系数只反映变量间的线性相关程度，不能说明非线性相关关系●

样本相关系数是总体相关系数的样本估计值，由于抽样波动，样本相关系数是随抽样而变动的随机变量，其统计显著性还有待检验

对相关系数的正确理解和使用514、回归分析回归的古典意义：

高尔顿遗传学的回归概念

(父母身高与子女身高的关系)子女的身高有向人的平均身高"回归"的趋势回归的现代意义：一个被解释变量对若干个解释变量依存关系的研究回归的目的（实质）：由解释变量去估计被解释变量的平均值52●被解释变量Y的条件分布和条件概率：

当解释变量X取某固定值时（条件），Y的值不确定，Y的不同取值会形成一定的分布，这是Y的条件分布。

X取某固定值时，Y取不同值的概率称为条件概率。●被解释变量Y的条件期望：对于X

的每一个取值，对Y所形成的分布确定其期望或均值，称为Y的条件期望或条件均值，用表示。注意:Y的条件期望是随X的变动而变动的

YX明确几个概念（为深刻理解“回归”）53●回归线：对于每一个X的取值，都有Y的条件期望

与之对应，代表Y的条件期望的点的轨迹形成的直线或曲线称为回归线。●回归函数：被解释变量Y的条件期望

随解释变量X的变化而有规律的变化，如果把Y的条件期望表现为X的某种函数

，这个函数称为回归函数。回归函数分为：总体回归函数和样本回归函数

X

Y54每月家庭可支配收入

X2000250030003500400045005000550060006500131215301631184320372277246929243515352113401619172619742210238828893338372139541400171317862006232525263090365038654108每1548175018352265241926813156380240264345月1688181418852367252228873300408741654812家173819851943248526653050332142984380庭180020412037251527993189365443124580消19022186207826892887335338424413费220021792713291335344074支231222982898303837104165出2316292331673834

Y238730533310249831873510268932861591191520922586275430393396385340364148举例:假如已知由100个家庭构成的总体的数据

(单位:元)二、总体回归函数（PRF）55消费支出的条件期望与收入关系的图形对于本例的总体，家庭消费支出的条件期望与家庭收入基本是线性关系,可以把家庭消费支出的条件均值表示为家庭收入的线性函数：56

1.总体回归函数的概念

前提：假如已知所研究的经济现象的总体的被解释变量Y和解释变量X的每个观测值（通常这是不可能的！），那么，可以计算出总体被解释变量Y的条件期望，并将其表现为解释变量X的某种函数

这个函数称为总体回归函数（PRF）

本质:

总体回归函数实际上表现的是特定总体中被解释变量随解释变量的变动而变动的某种规律性。计量经济学的根本目的是要探寻变量间数量关系的规律,也就要努力去寻求总体回归函数。57

●条件期望表现形式例如Y的条件期望是解释变量X的线性函数，可表示为：

●个别值表现形式（随机设定形式）对于一定的，Y的各个别值并不一定等于条件期望，而是分布在的周围，若令各个与条件期望的偏差为，显然是个随机变量则有

2.总体回归函数的表现形式PRF58●作为总体运行的客观规律，总体回归函数是客观存在的，但在实际的经济研究中总体回归函数通常是未知的，只能根据经济理论和实践经验去设定。计量经济学研究中“计量”的根本目的就是要寻求总体回归函数。●我们所设定的计量模型实际就是在设定总体回归函数的具体形式。●总体回归函数中Y与X的关系可以是线性的，也可以是非线性的。

3.如何理解总体回归函数59计量经济学中,线性回归模型的“线性”有两种解释：◆就变量而言是线性的——Y的条件期望（均值）是X的线性函数

◆就参数而言是线性的

——Y的条件期望（均值）是参数β的线性函数例如：

对变量、参数均为“线性”对参数“线性”，对变量”非线性”对变量“线性”，对参数”非线性”注意：在计量经济学中，线性回归模型主要指就参数而言是“线性”的,因为只要对参数而言是线性的,都可以用类似的方法去估计其参数，都可以归于线性回归。“线性”的判断60◆概念

在总体回归函数中，各个的值与其条件期望的偏差有很重要的意义。若只有的影响，

与

不应有偏差。若偏差存在，说明还有其他影响因素。实际代表了排除在模型以外的所有因素对Y

的影响。◆性质

是其期望为0有一定分布的随机变量重要性：随机扰动项的性质决定着计量经济分析结

果的性质和计量经济方法的选择

三、随机扰动项61●是未知影响因素的代表(理论的模糊性)●

是无法取得数据的已知影响因素的代表(数据欠缺)●

是众多细小影响因素的综合代表(非系统性影响)●

模型可能存在设定误差(变量、函数形式的设定）●

模型中变量可能存在观测误差(变量数据不符合实际)●

变量可能有内在随机性(人类经济行为的内在随机性)引入随机扰动项的原因62样本回归线：

对于X的一定值，取得Y的样本观测值，可计算其条件均值，样本观测值条件均值的轨迹，称为样本回归线。样本回归函数：如果把被解释变量Y的样本条件均值

表示为解释变量X的某种函数，这个函数称为样本回归函数（SRF）

XYSRF四、样本回归函数（SRF）63

样本回归函数如果为线性函数，可表示为

其中：是与相对应的Y的样本条件均值和分别是样本回归函数的参数

个别值（实际值）形式：被解释变量Y的实际观测值不完全等于样本条件均值，二者之差用表示，称为剩余项或残差项：则或样本回归函数的函数形式条件均值形式：64●样本回归线随抽样波动而变化:每次抽样都能获得一个样本，就可以拟合一条样本回归线，（SRF不唯一)

●样本回归函数的函数形式应与设定的总体回归函数的函数形式一致。

●样本回归线只是样本条件均值的轨迹，还不是总体回归线，它至多只是未知的总体回归线的近似表现。样本回归函数的特点

SRF1SRF2

YX

65

A

X

PRFSRF样本回归函数与总体回归函数的关系66

如果能够通过某种方式获得和的数值，显然:●和是对总体回归函数参数和的估计●是对总体条件期望的估计●

在概念上类似总体回归函数中的，可视

为对的估计。对比：

总体回归函数

样本回归函数对样本回归的理解67

目的：

计量经济分析的目标是寻求总体回归函数。即用样本回归函数SRF去估计总体回归函数PRF。由于样本对总体总是存在代表性误差，SRF总会过高或过低估计PRF。要解决的问题：寻求一种规则和方法，使其得到的SRF的参数和尽可能“接近”总体回归函数中的参数和的真实值。这样的“规则和方法”有多种，如矩估计、极大似然估计、最小二乘估计等。其中最常用的是最小二乘法。回归分析的目的68用样本去估计总体回归函数，总要使用特定的方法，而任何估计参数的方法都需要有一定的前提条件——假定条件

一、简单线性回归的基本假定

为什么要作基本假定？●只有具备一定的假定条件，所作出的估计才具有良好的统计性质。●模型中有随机扰动项，估计的参数是随机变量，显然参数估计值的分布与扰动项的分布有关，只有对随机扰动的分布作出假定，才能比较方便地确定所估计参数的分布性质，也才可能进行假设检验和区间估计等统计推断。假定分为：◆对模型和变量的假定◆对随机扰动项的假定

第二节

简单线性回归模型的最小二乘估计69例如对于

●假定模型设定是正确的（变量和模型无设定误差）●假定解释变量X在重复抽样中取固定值。

●假定解释变量X是非随机的，或者虽然X是随机的，但与扰动项u是不相关的。(从变量X角度看是外生的)注意:解释变量非随机在自然科学的实验研究中相对容易满足，经济领域中变量的观测是被动不可控的，X非随机的假定并不一定都满足。1.对模型和变量的假定70

假定1：零均值假定:

在给定X的条件下，的条件期望为零

假定2：同方差假定:

在给定X的条件下，的条件方差为某个常数

X

Y2.对随机扰动项u的假定71

假定3：无自相关假定:

随机扰动项的逐次值互不相关

假定4：解释变量是非随机的，或者虽然是随机的但与扰动项不相关

(从随机扰动角度看)

72假定5：对随机扰动项分布的正态性假定，即假定服从均值为零、方差为的正态分布

（说明：正态性假定并不影响对参数的点估计，所以有时不列入基本假定，但这对确定所估计参数的分布性质是需要的。且根据中心极限定理，当样本容量趋于无穷大时，的分布会趋近于正态分布。所以正态性假定有合理性）73由于其中的和是非随机的，是随机变量，因此Y是随机变量，

的分布性质决定了的分布性质。

对的一些假定可以等价地表示为对的假定：

假定1：零均值假定

假定2：同方差假定假定3：无自相关假定

假定5：正态性假定

在对的基本假定下Y的分布性质741.OLS的基本思想

●对于，不同的估计方法可以得到不同的样本回归参数和，所估计的也就不同。●理想的估计结果应使估计的与真实的的差(即剩余)总的来说越小越好●因可正可负，总有，所以可以取最小，即在观测值Y和X确定时，的大小决定于和。要解决的问题:：如何寻求能使

最小的

和。二、普通最小二乘法（OLS）

（ＯrdinaryLeastSquares)75用克莱姆法则求解得以观测值表现的OLS估计量：

取偏导数并令其为0，可得正规方程或整理得即2.正规方程和估计量76

为表达得更简洁，或者用离差形式的OLS估计量：容易证明由正规方程：

注意：其中：

本课程中:大写的和均表示观测值；小写的和均表示观测值的离差而且由样本回归函数可用离差形式写为

用离差表现的OLS估计量77

●剩余项的均值为零

●OLS回归线通过样本均值●估计值的均值等于实际观测

值的均值

(由OLS第一个正规方程直接得到)(由OLS正规方程两边同除n得到)3.OLS回归线的数学性质

●解释变量与剩余项不相关

由OLS正规方程有:

●被解释变量估计值与剩余项不相关

79

面临的问题:

参数估计值参数真实值对参数估计式的优劣需要有评价的标准

为什么呢?

●参数无法直接观测，只能通过样本去估计。样本的获得存

在抽样波动，不同样本的估计结果不一致。●估计参数的方法有多种，不同方法的估计结果可能不相同，

通过样本估计参数时，估计方法及所确定的估计量不一定

完备，不一定能得到理想的总体参数估计值。对各种估计方法优劣的比较与选择需要有评价标准。估计准则的基本要求：参数估计值应"尽可能地接近"总体参数真实值”。

什么是“尽可能地接近”原则呢？

用统计语言表述就是:无偏性、有效性、一致性等4.OLS估计量的统计性质80

(1)无偏性

前提：重复抽样中估计方法固定、样本数不变、由重复抽样得到的观测值,可得一系列参数估计值,的分布称为的抽样分布，其密度函数记为概念:如果，则称是参数

的无偏估计量，如果，则称是有偏的估计，其偏倚为（见下页图）81

概率密度

估计值偏倚82(2)有效性

前提：样本相同、用不同的方法估计参数，可以找到若干个不同的无偏估计式

目标:

努力寻求其抽样分布具有最小方差的估计量（见下页图）既是无偏的同时又具有最小方差特性的估计量，称为最佳（有效）估计量。83

概率密度

估计值84思想:当样本容量较小时，有时很难找到方差最小的无偏估计，需要考虑样本扩大后的性质（估计方法不变，样本数逐步增大）一致性：

当样本容量n趋于无穷大时，如果估计式依概率收敛于总体参数的真实值，就称这个估计式是

的一致估计式。即或

（渐近无偏估计式是当样本容量变得足够大时其偏倚趋于零的估计式）

(见下页图)渐近有效性：当样本容量n趋于无穷大时，在所有的一致估计式中，具有最小的渐近方差。3、渐近性质（大样本性质）85

概率密度

估计值

图486先明确几点:●

由OLS估计式可以看出

都由可观测的样本值和唯一表示。●

因存在抽样波动，OLS估计是随机变量●

OLS估计式是点估计量

OLS估计是否符合“尽可能地接近总体参数真实值”的要求呢?4.分析OLS估计量的统计性质87

2、

无偏特性

可以证明

（证明见教材P38）

OLS估计式的统计性质——高斯定理（注意:无偏性的证明中用到了基本假定中零均值等假定）1、

线性特征

是Y的线性函数883、

最小方差特性

(有效性)

（证明见教材P68附录2·1）可以证明：在所有的线性无偏估计中，OLS估计具有最小方差（注意:最小方差性的证明中用到了基本假定中的同方差、无自相关等假定）结论（高斯定理）：

在古典假定条件下，OLS估计量是最佳线性无偏估计量（BLUE）89概念：样本回归线是对样本数据的一种拟合。●不同的模型（不同函数形式)可拟合出不同的样本回归线●相同的模型用不同方法去估计参数，也可以拟合出不同的回归线拟合的回归线与样本观测值总是有偏离。样本回归线对样本观测数据拟合的优劣程度，可称为拟合优度。如何度量拟合优度呢？拟合优度的度量建立在对Y的总变差分解的基础上

第三节拟合优度的度量

90

分析Y的观测值、估计值与平均值有以下关系将上式两边平方加总，可证得（提示：交叉项）

（TSS）（ESS）（RSS）

或者表示为

总变差（TSS）：被解释变量Y的观测值与其平均值的离差平方和（总平方和）(说明Y的总变动程度）

解释了的变差（ESS）：被解释变量Y的估计值与其平均值的离差平方和（回归平方和）

剩余平方和（RSS）：被解释变量观测值与估计值之差的平方和（未解释的平方和）

一、总变差的分解

91Y

X

变差分解的图示(以某一个观测值为例)

92

以TSS同除总变差等式

两边：

或

定义：回归平方和（解释了的变差ESS）在总变差（TSS）中所占的比重称为可决系数，用或表示:

或

二、可决系数

93

可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。反之可决系数越小，说明模型对样本观测值的拟合程度越差。

可决系数的特点：

●可决系数取值范围：

●随抽样波动，样本可决系数是随抽样而变动的随机变量

●可决系数是非负的统计量可决系数的作用94联系：数值上可决系数是相关系数的平方可决系数与相关系数的关系95区别：

可决系数相关系数

是就模型而言是就两个变量而言说明解释变量对被解释说明两变量线性依存程度

变量的解释程度

度量不对称的因果关系度量对称的相关关系取值0≦≦1取值-1≦r≦1

有非负性可正可负96第四节

回归系数的区间估计和假设检验为什么要作区间估计？

运用OLS法可以估计出参数的一个估计值，但OLS估计只是通过样本得到的点估计，它不一定等于真实参数，还需要寻求真实参数的可能范围，并说明其可靠性。为什么要作假设检验？OLS估计只是用样本估计的结果，是否可靠？是否抽样的偶然结果呢？还有待统计检验。区间估计和假设检验都是建立在确定参数估计值概率分布性质的基础上。97

一、OLS估计的分布性质

基本思想

是随机变量，必须确定其分布性质才可能进行区间估计和假设检验

怎样确定的分布性质呢?

是服从正态分布的随机变量，决定

了

也是服从正态分布的随机变量；

是的线性函数，决定了也服从正态分布

正态正态正态

只要确定的期望和方差，即可确定的分布性质线性特征（线性估计的重要性)98●的期望：

(已证明是无偏估计）●的方差和标准误差

(证明见P39、P40)

(标准误差是方差的平方根)

注意：以上各式中均未知，但是个常数，其余均是已知的样本观测值，这时和都不是随机变量。

的期望和方差99

基本思想：

是的方差，而不能直接观测，只能从由样本得到的去获得有关的某些信息，去对作出估计。可以证明（见附录2.2)其无偏估计为

(这里的n-2为自由度,即可自由变化的样本观测值个数)注意区别：是未知的确定的常数；是由样本信息估计的，是个随机变量对随机扰动项方差的估计100对作标准化变换为什么要对作标准化变换?在正态性假定下，由前面的分析已知但在对一般正态变量作实际分析时，要具体确定的取值及对应的概率，要通过正态分布密度函数或分布函数去计算是很麻烦的，为了便于直接利用“标准化正态分布的临界值”，需要对作标准化变换。标准化的方式：

标准正态分布函数101

●在已知时对

作标准化变换，所得Z统计量为标准正态变量。

1.已知时，对作标准化变换注意:这时和都不是随机变量(X、、都是非随机的）102

条件：

当未知时，可用（随机变量）代替去估计

参数的标准误差。这时参数估计的标准误差是个随机变量。

●样本为大样本时,作标准化变换所得的统计量Zk，也可以

视为标准正态变量（根据中心极限定理）。

●样本为小样本时，

用估计的参数标准误差对作标准化变换，所得的统计量用t表示，这时t将不再服从正态分布，而是服从t分布（注意这时分母是随机变量）

：

2.未知时，对作标准化变换103基本思想：

对参数作出的点估计是随机变量，虽然是无偏估计，但还不能说明这种估计的可靠性和精确性。如果能找到包含真实参数的一个范围，并确定这样的范围包含参数真实值的可靠程度，将是对真实参数更深刻的认识。方法：如果在确定参数估计式概率分布性质的基础上，可找到两个正数δ和，能使得这样的区间包含真实的概率为，即这样的区间称为所估计参数的置信区间。

讨论：“如果已经得出了的特定估计值,并确定了某个置信区间，这说明真实参数落入这个区间的概率为1-α”。这种说法对吗?

二、回归系数的区间估计

104样本容量充分大样本容量较小总体方差已知总体方差

未知Z将接近标准正态分布服从

t分布三种情况基本思想:利用标准化后统计量的分布性质去寻求:置信区间：标准正态分布105（1）

当总体方差已知时(Z服从正态分布)

取定（例如=0.05），查标准正态分布表得与对应的临界值z(例如z为1.96)，则标准化变量Z*（统计量）

因为

或

即回归系数的区间估计

(分三种情况寻找合适的)

106方法：可用无偏估计去代替未知的，由于样本容量充分大，标准化变量Z*（统计量）将接近标准正态分布注意:这里的“

^”，表示“估计的”,这时区间估计的方式也可利用标准正态分布只是这时2.当总体方差未知，且样本容量充分大时

107方法：用无偏估计去代替未知的，由于样本容量较小，“标准化变量”

t（统计量）不再服从正态分布，而服从t分布。这时可用t分布去建立参数估计的置信区间。选定α，查t分布表得显著性水平为，自由度为n-2的临界值(n-2)

，则有即

3、当总体方差未知，且样本容量较小时

例1:研究某市城镇居民人均鲜蛋需求量Y(公斤)与人均可支配收入X(元,1980年不变价计)的关系设定模型:

1995-2005年样本数据:估计参数：年份19951996199719981999200020012002200320042005Y14.414.414.414.717.016.318.018.518.219.317.1X847.3821.0884.2903.7984.11035.31200.91289.81432.91539.01633.6计算可决系数例1:由前面的估计结果可计算出由数据Y可计算出:则估计结果:110估计：给定查df=n-2=9的t分布临界值参数区间估计:若给定查df=9的t分布临界值若给定则若给定则则111111统计量t计算的统计量为:相对于显著性水平的临界值为:

（单侧）或

（双侧）基本概念回顾:

临界值与概率、大概率事件与小概率事件0（大概率事件）（小概率事件）目的：简单线性回归中，检验X对Y是否真有显著影响三、回归系数的假设检验

112

回归系数的检验方法

确立假设：原假设为备择假设为

(本质：检验是否为0，即检验是否对Y