版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第二章
简单线性回归模型
这章我们会从最简单的线性回归模型入手,来介绍在基本假定完全满足的条件下,规范的计量经济研究的基本理论和方法,为以后的内容打下基础。
本章主要内容:第一节回归模型与回归函数第二节最小二乘估计第三节最小二乘估计的性质第一节回归分析与回归函数本节主要介绍:一
变量关系及回归分析二总体回归函数三随机扰动项四样本回归函数一、变量间的关系及回归分析1、经济变量之间的关系确定的函数关系:Y=f(X)不确定性的统计关系——相关关系相关关系—X影响的值,函数关系—X决定的值不能确定。例如:
销售收入=销售量价格粮食产量与施肥量之间的关系储蓄额与居民收入之间的关系广告支出与商品销售额确定性关系:函数关系非确定性关系:相关关系“回归”一词的历史渊源“回归”一词最早由FrancisGalton引入。Galton发现,虽然父母的身高对子女的身高起到决定性作用,但给定父母的身高后,他们儿女辈的平均身高却趋向于或者“回归”到社会平均水平。回归的古典意义:高尔顿遗传学的回归概念回归的现代意义:一个应变量对若干解释变量依存关系的研究2、回归分析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。
假设我们研究个人消费支出对个人可支配收入的依存关系,对应于各种个人可支配收入,个人消费支出虽不确定,但总会在一定的范围内变动。而且,平均说来,个人消费支出总是随着收入水平的增加而上升的。回归分析就是要根据对个人消费支出与可支配收入的观测数据,确定当解释变量可支配收入确定时,因变量个人消费支出平均水平的变动轨迹回归分析与相关分析不同联系:两者相互补充。区别:相关分析:不考虑变量之间的因果关系,不区分解释变量和因变量,两变量对称.所涉及的变量都为随机变量。回归分析:需要区分变量之间的因果关系;则要通过建立回归方程,寻求具体数学形式,去估计(预测)因变量的平均值;因变量是随机变量(有一定的概率分布),自变量是非随机变量。二、总体回归函数(PRF)被解释变量Y的条件期望随着解释变量X的变化而有规律地变化。把这种变化关系用函数表示出来,就是总体回归函数:回归函数在坐标系中用图形表示出来就是回归线。它表示了因变量和自变量之间的平均关系。每月家庭可支配收入
X2000250030003500400045005000550060006500131215301631184320372277246929243515352113401619172619742210238828893338372139541400171317862019232525263090365038654108每1548175018352265241926813156380240264345月1688181418852367252228873300408741654812家173819851943248526653050332142984380庭180020412037251527993189365443124580消19022186207826892887335338424413费220021792713291335244074支231222982898303837104165出2316292331673834
Y238730533310249826893187328635101591191520922586275430393396385340364158例2.1见课本
“线性”一词的含义(有两种解释)
1、模型就变量而言是线性的,例如
2、模型就参数而言是线性的,例如
注:在计量经济学中,主要考虑的是模型就参数而言是线性的情形。(即第二种情况)三、随机扰动项
对于一定的,Y的各个个别值分布在的周围,其差令为总体回归模型总体回归模型图解XiPRFYiAE(Y|Xi)PRFui随机扰动项包括哪些因素●未知影响因素的代表●无法取得数据的已知影响因素的代表●
众多细小影响因素的综合代表●模型的设定误差●
变量的观测误差●
变量内在随机性四、样本回归函数(SRF)1、概念因变量Y的样本观测值的条件均值表示成解释变量X的某种函数,即为样本回归函数。(其函数形式与总体回归函数的函数形式一致。)如:2、对样本回归函数的说明每次抽样都能够获得一个样本,就可以拟合一条样本回归线,所以样本回归线随抽样波动而变化,可以有多条。SRF1SRF2XY如课本27页不同的样本就会有不同的样本回归线样本1
样本2X2000250030003500400045005000550060006500Y1548181421792485266530503321365040874265X2000250030003500400045005000550060006500Y16881750207923672665318933213802416543453、残差定义:那么有:对上例,有:
SRF
样本回归函数与总体回归函数区别1、总体回归线是未知的,只有一条。样本回归线是根据样本数据拟合的,每抽取一组样本,便可以拟合一条样本回归线。2、总体回归函数中的β1和β2是未知的参数,表现为常数。而样本回归函数中的是随机变量,其具体数值随所抽取的样本观测值不同而变动。1、在回归分析中下列有关解释变量和被解释变量的说法中正确的是()A.被解释变量和解释变量均为随机变量B.被解释变量和解释变量均为非随机变量C.被解释变量为随机变量,解释变量为非随机变量D.被解释变量为非随机变量,解释变量为随机变量2、下图中“{”所指的距离是()A.随机误差项B.残差
YiA3、下列哪些形式是正确的()。A.D.B.E.
C.F.G.H、
SRF
PRF
?都代表什么第二节最小二乘估计(OLS)本节主要介绍:一、普通最小二乘法(OLS)二、简单线性回归模型的基本假定三、OLS回归线的性质在Y与X的散点图上画出直线的方法很多。找出一条能够最好地描述Y与X之间的直线。问题是:怎样算“最好”?
◆OLS的基本思想●不同的估计方法可得到不同的样本回归参数和,所估计的也不同。●理想的估计方法应使与的差即剩余越小越好●因可正可负,所以可以取最小
一、普通最小二乘法(OrdinaryLeastSquares
)
最小二乘法(图示)XY(Xn,Yn)(X1,Y1)
(X2,Y2)(Xi,Yi)}ei=Yi-Yi^最小二乘法的基本思想(原则):寻找实际值与拟合值的离差平方和为最小的回归直线。
对求偏导数,并令其等于零,得:最小二乘估计量简化形式例:XY
2000 1548 2500 1814 3000 2179 3500 2485 4000 2665 4500 3050 5000 3321 5500 36506000 4087 6500 4265 Y=299.11+0.61348*XVariableCoefficientStd.Errort-StatisticProb.C299.11556.6045.2843090.0007X0.613480.012648.620260.0000R-squared0.996627
Meandependentvar2906.40AdjustedR-squared0.996206
S.D.dependentvar930.270S.E.ofregression57.30325
Akaikeinfocriterion11.111Sumsquaredresid26269.30
Schwarzcriterion11.172Loglikelihood-53.5572
F-statistic2363.93Durbin-Watsonstat2.381359
Prob(F-statistic)0.000操作方式:quick—estimateequation例设Y和X的5期观测值如下表所示,试估计方程
Yt=+Xt+ut
序号
12345
Yt1418232530Xt
1020304050
解:计算过程如下:Σ5432150304025302320181014831-4-81603004016011015020100-10-200039010004001000100400估计方程为思考什么是随机扰动项和残差?它们之间的区别?最小二乘估计的基本思想是什么?
二、简单线性回归的基本假定1为什么要做基本假定●模型中有随机扰动,估计的参数是随机变量,只有对随机扰动的分布作出假定,才能确定所估计参数的分布性质●只有具备一定的假定条件,所作出的估计才具有较好的统计性质,也才可能进行假设检验和区间估计2、假定的两个方面:
(1)关于变量和模型的基本假定是非随机的,或者虽然是随机的,但是与是不相关的;无测量误差;变量和函数形式设定正确。假定的两个方面:
(2)关于随机扰动项假定1零均值:当解释变量取值时,因变量Y的值可能大于或小于,但平均来看,随即扰动项对Y没有影响.
假定2同方差:
是说无论解释变量X在其可行范围内取何值,随机扰动项的方差都是相同的。我们把这个假设称为随机扰动项的同方差性假设。如果违背该假设,则属于异方差内容。异方差XYXY假定3无自相关:
假设(3)的意义是对应不同观测值的误差项之间没有相关性。这一点不成立意味着误差项的取值变化存在规律性,这与误差项只是微小随机因素的综合影响的建模思想不符。这条假设也是保证线性回归分析的性质和价值的重要基础,因为误差值之间存在相关性时,会对线性回归分析的效果产生很不利的影响。如果违背该假设,则属于自相关内容。序列自相关XXYY负相关正相关假定4随机扰动项与不相关。
表明随机变量y中能够用从解释的部分完全从随机扰动项中分离了出来,因而,在随机扰动项中不再包括与解释变量中有任何相关的因素了。
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:正态性假定不影响对参数的点估计,但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。所以正态性假定是合理的)三、OLS回归线的性质1.回归线过样本均值点2.残差和为零3.Y的真实值和拟合值有共同均值4.残差与自变量不相关5.残差与拟合值不相关
1、回归线过样本均值由,知:即样本均值点满足回归线方程SRFYX2、残差和为零
(ResidualsSumtoZero)由OLS数学过程直接可得。且易推出残差的平均数也等于零。110Σ543215030402530232018101429.825.92218.114.20.040.8110.010.041101500.2-0.91-0.1-0.201.9100040010001004003、Y的真实值和拟合值有共同的均值性质4、5:(证明略)4、残差与自变量不相关(Residualsareunrelatedwithindependentvariable)5、估计残差与拟合值不相关(Residualsareunrelatedwithfittedvalueof)
练习题2.1样本回归直线性质总结
残差和=0均值相等拟合值与残差不相关自变量与残差不相关过样本均值第三节最小二乘估计式的统计性质
不同的样本就会得到不同的参数估计值对真实参数的代表性,是由的统计性质(均值,方差)决定的
为什么使用最小二乘法来估计参数呢?一、无偏性由前面,知:无偏性保证参数估计值在参数真实值左右波动,并且估计值平均水平就是参数的真实值二、最小方差性
方差是描述随机变量特性和进行推断分析的另一个重要特征。在参数估计是无偏、线性估计的基础上,方差较小的则意味着参数估计的精确程度较高,统计推断的效果也较好。我们先推导出最小二乘估计量的方差。参数的方差证明略。以下只给出其方差:VariableCoefficientStd.Errort-Stat
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年社区全科医师转岗培训考试题库带答案
- 有限空间作业专题培训考试模拟题带答案
- 2026年学年湖北省咸宁市统招专升本计算机自考模拟题带答案
- 2026年高校教师资格证之高等教育学模拟题库(含答案)
- 2026年成都市武侯区领创实验学校教师招聘考试题库带答案
- 2026年初三体育笔试题库(含答案)
- 基金从业资格考试基金估值与会计模拟试卷及答案
- 电气工程师考试电气材料与绝缘技术模拟试卷及答案
- 药理学核心考点解析与模拟试题及答案
- 2025年医疗保险政策试题及参考答案
- 2026国网新版SLVA低压开关柜标准解析
- 2026年四川政工师考试题库及答案
- 赔偿款分期协议书
- 2026年科学中考温州试卷及答案
- 2026上半年教师资格证面试《高中历史》简案+逐字稿
- 2026年二手房经纪人考试试题及答案
- 2026年中国广电技术岗面试题
- ISO 20400-2017 可持续采购指南培训课件
- 工地消防制度牌模板
- 货梯使用专项安全培训课件
- 教育培训机构学员转介绍激励机制设计与口碑传播方案2026年
评论
0/150
提交评论