计量经济学3(复旦大学版)-图文

计量经济学3(复旦大学版)_图文.ppt2第一节一元线性回归模型货币经济学家在分析通货膨胀原因时发现，通货膨胀率越高，人们愿意以货币形式持有的收入比例就越低。应用同样的方法，经济学家可以分析清楚个人消费支出对税后或可支配的个人真实收入的依赖关系。3在回归分析中，我们考虑的仅仅是一种所谓的统计意义上的依赖关系。这与经典物理学中考虑的那种变量之间的函数或确定性依赖关系截然不同。4基尔霍夫的电流定律5波意耳的气体定律6一元线性计量经济学模型的例子

工资模型

薪水模型

竞选模型

考试模型7

工资模型：

你能挣多少钱？8一个人的工资水平与他的教育水平及其它因素的关系如下如果工资和教育分别以每小时美元和受教育的年数来度量。则度量了多受一年教育导致的工资增量；ui包括：劳动经验、天生素质、任职事件、工作道德以及它因素。9女大学生最赚钱的十大职业(组图)你入对行了吗

公关

人力资源传播媒介……10

薪水模型：

我的薪水我能Hold住

11CEO的薪水和公司股本回报率之间的关系如下度量的是，当股本回报率增长一个百分点时，以千元计的薪水的变化量。12结论：据美国《商业周刊》的统计数据（n=209），CEO的平均年薪为128万美元，股本回报率为17%。回归结果：1314

竞选模型：

谁

能

入

住

白

宫？15竞选总统通常有两名候选人。如下模型用于研究与竞争对手相比，花更多的钱能否得到更高的票数百分比？16结论：1988年美国众议院173次两党竞选结果这意味着，候选人A的支出在总花费的比例每增加一个百分点，A就能得到几乎半个百分点的总票数。胜负在毫厘之间。17

考试模型：

我想考高分18如果一个大学生太贫困而不能保证正常的伙食，就可以有资格享受学校午餐项目的资助，从而提高它的学习成绩。其中ui包括了影响学校整体成绩的学校和学生的特征。19结论：据1992年美国密西根州的408所高中的数据你能相信：更高的学校午餐项目的参与率导致了更差的成绩吗？20

第二节最小二乘法OrdinaryLeastSquare21一元线性模型：

1、建模设(*)满足则其中，分别是的估计值。222、取指标估计值与观测值之差为

则23

3、求出参数估计值求导得

解得24

定义x(y)的第i个观测值与x(y)样本平均值之差为离差,即

则25正规方程组将(*)式左右两边分别乘以每一个解释变量后对所有样本求和，得取期望得

即为(**)式，称为正规方程组。26矩阵形式：

1、建模设则其中，分别是Y，B的估计值。

272、取指标

283、求出参数估计值求导得解得

29正规方程组矩阵形式为：30U的分布参数：期望为0的正态分布，其方差估计量为证：31取期望32△OLS估计量的性质评价估计量优劣的标准：无偏性：估计量的期望值等于待估参数。有效性：又称最小方差性，即估计量在所有无偏估计量中具有最小方差。一致性：当样本容量趋于无穷大时，估计值依概率收敛于总体的真值。33当多元线性计量经济学模型满足前述基本假设时，OLS估计量具有无偏性、有效性、一致性。Gauss定理(无偏性)：34（Markov定理）有效性：

该方差小于其他任何线性无偏估计量的方差。一致性：即35样本容量问题最低样本容量：n≥k+1合适的样本容量：从统计检验的角度：n

30时，Z检验才能应用；n-k8时,t检验有效。

一般经验认为:n>30

或

n>3k36最大似然法（ML）最大似然法（ML）是不同于OLS的另一种参数估计方法，其基本原理是：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。以正态分布为例：对每个可能的正态总体估计取n组观测值的联合概率选择其参数能使观测值的联合概率最大的那个总体。37Case1一元线性模型：1、建模设2、建立似然函数383、取对数似然，求极值对lnL取极值等价于394、求出参数估计量可见，参数的ML估计量与OLS估计量相同。40Case2多元线性模型：1、建模设其中2、建立似然函数41

3、求极值

L最大，即最小4、求出参数估计量可见，参数的ML估计量与OLS估计量相同。42第二章

例1消费基金模型表1消费基金模型样本数据

年份（年）人均消费基金（元）人均国民收入（元）前期人均消费基金（元）1981198219831984198519861987279.7300.6326.8375.9464.5521.2590.9397422464547672743868256.4279.7300.6326.8375.9464.5521.243第二章回归模型计算过程

44第二章回归模型

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.045第二章回归模型

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.16