计量经济学第二章51469ppt课件

1、第二章简单线性回归模型，引言：中国的旅游总收入会超过3000亿美元吗？未来，中国的旅游需求将快速增长。根据中国政府制定的长期目标，到2020年，中国入境游客数量将达到2.1亿人；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中国旅行社发展研究报告)(参照目前情况：第一产业占国内生产总值的15%，建筑业占国内生产总值的7%)，什么样的决定性因素可以使中国旅游业的总收入超过3000亿美元？旅游业的发展与这一决定性因素之间的数量关系是什么？如何确定旅游发展与这一决定性因素之间的数量关系？

2、有必要研究经济变量之间的数量关系。研究对象：影响研究对象的主要因素是中国居民的收入水平和入境游客数量。旅游总收入(Y)与居民平均收入(X1)或入境游客人数(X2)之间的数量关系是什么？思考：应该如何具体表达？为了不使问题复杂化，我们首先在一些标准(经典)假设下用最简单的模型讨论变量之间最简单的数量关系。确定具体的定量关系：估计从参数分析中获得的定量结论的可靠性：统计检验实际应用：经济分析和预测。4，本章讨论的主要问题：回归分析和回归函数的基本概念，线性回归模型参数的估计，回归方程拟合优度的度量，回归系数的区间估计和假设检验回归模型预测，5，第1节回归分析和回归函数，六一。相关分析和回归分析(统

3、计学评论)；1.经济变量之间的相互关系、确定性函数之间的关系和不确定性之间的关系是不相关的；Y=f(X)，Y=f(X)(均为随机变量)，可用数学方法计算，也可用统计方法分析，无需分析；7，2，相关性的描述是分散的。相关性(线性)，相关性(非线性)，无关系，最直观的描述，8、相关类型，简单相关倍数相关(复数相关)从涉及的变量数量来看，线性相关散点图接近直线，非线性相关散点图接近曲线，9、相关类型，从变量相关的方向看，正相关变量朝同一方向变化，而负相关变量朝相反方向变化。一个增加和一个减少是不相关的。从变量的关联度来看，完全关联和不完全关联是不相关的。10，3，测量相关度的相关系数、11、从整个人

4、群中随机选取一定数量的样本，计算样本相关系数。12，样本相关系数：注：样本相关系数是一个随机变量，随抽样而变化，其统计显著性需要检验。正确理解和使用相关系数。计量经济学关注经济变量之间的因果关系和隐藏在随机性背后的特定统计规律性。回归的经典意义：高尔顿遗传学中的回归概念(父母身高与子女身高的关系)。儿童的身高往往会恢复到人们的平均身高。4.回归分析。15岁。回归的现代意义：回归是研究因变量(y)对一个或多个自变量(x)的依赖性。使用适当的数学模型来表达和估计变量之间的平均变化关系；回归的目的是根据自变量的值估计因变量的总体平均值。回归是计量经济学的主要工具。例句：姚明身高2.26米。姚明的孩子

5、有多高？散点图)，2.01，可信吗？因此，一旦你知道了父母的身高，你就可以根据上面的关系表达式(回归线)来预测孩子的平均身高(而不是具体身高)。嘿。17，概念，X，Y，家庭消费支出的条件期望与家庭收入的关系曲线图，21，1。总体回归函数的概念，22，2。总体回归函数的表达式形式、PRF、23、3。如何理解总体回归函数，作为总体运行的客观规律，总体回归函数是客观的，但它存在于计量经济学研究中“计量”的根本目的是寻求总体回归函数。我们设置的测量模型实际上是设置总体回归函数的具体形式。总体回归函数中y和x之间的关系可以是线性或非线性的。在计量经济学中，线性回归模型的“线性”有两种解释：y的条件期望(

6、均值)是x的线性函数；y的条件期望值(平均值)是参数的线性函数，就参数而言是线性的。例如，变量和参数都是“线性”和“非线性”的，而参数是“线性”和“非线性”的。在计量经济学中，线性回归模型主要是指参数方面的“线性”，因为只要参数是线性的，它们就可以用类似的方法进行估计，并且可以归于线性回归。嘿。25、26，它是未知影响因素(理论的模糊性)的代表，是无法获得数据的已知影响因素(缺乏数据)的代表，是许多小影响因素(非系统影响)的综合代表。模型可能有规格误差(变量和函数形式的设置)。在模型中，变量可能有观测误差(变量数据与实际不符)。变量可能具有内在的随机性(人类经济行为的内在随机性)。27，4。样

7、本回归函数(，x，y，样本回归函数。28，SRF的功能形式，29，样本回归函数的特征，样本回归线不是唯一的：SRF随抽样的波动而变化，每次只能得到一个样本。样本回归函数的函数形式应与总体回归函数的集合函数形式一致。样本回归线只是样本条件均值的轨迹，不是总体回归线，但至多只是未知总体回归线的近似表达。30，样本回归函数和总体回归函数之间的关系，SRF，PRF，X，31，样本回归的理解，总体回归函数，样本回归函数，32，回归分析的目的，33，第2节1中的简单线性。模型和变量的假设。36、37、38，39、40，2。普通最小二乘法(OLS)，41，2。正规方程和估计。42，OLS估计公式用离差、43

8、、3表示。OLS回归线的数学性质(见教科书P33-P34，OLS正态方程的结论用于证明过程，但它与基本假设无关)，44，45，4。OLS估计公式的统计性质，复习第1章：参数估计参数估计方法和确定的估计公式不一定完整，可能得不到总体参数的真值，因此有必要对估计方法进行评估和选择。比较不同估计方法的估计结果时，有必要对评价标准有一定的基本要求：参数的估计值应尽可能接近总体参数的真实值；“尽可能接近”的原则取决于参数估计公式的统计特性：无偏、有效、一致等。嘿。46，(1)无偏、47，概率密度的估计值有偏、图2、48，(2)有效性，假设样本相同，参数用不同的方法估计，可以找到几种不同的无偏估计公式。目

9、标：试图找到抽样分布方差最小的估计公式。(见图3)无偏且具有最小方差特征的估计公式被称为最佳(有效)估计公式。嘿。49，概率密度，图3，估计值，50，(3)渐近性质(大样本性质)，51，概率密度的估计值，图4，52，OLS估计量是样本数据的函数。如果样本改变，估计量也会改变。一个直观的想法是，如果估计量随样本的变化程度很低，也就是说，它的标准误差很小，这意味着估计量是“可靠的”或者它的精度很高。根据CLRM假设，OLS估计量的标准误差可以计算如下：自由度，56岁。第三部分是拟合优度的度量。57。拟合优度的概念。样本回归线是对样本数据的一种拟合。不同的模型(不同的函数形式)可以拟合不同的回归线。

10、同一个模型通过不同的方法估计参数，并且可以拟合不同的回归线。拟合的回归线总是偏离样本的观测值。样本回归线对样本观测数据的拟合程度称为拟合优度。如何衡量适合度？拟合优度的度量基于y的全变差分解。58，1。总变差分解、59、Y、X、变差分解图(以一个观测值为例)、60、2。可确定系数，61。可确定系数可确定系数和相关系数之间的关系。64，可确定系数和相关系数之差，65。当使用可确定系数时，应注意的是，可确定系数仅显示模型中包含的所有解释变量对解释变量组合的影响程度，而不显示模型中每个解释变量的影响程度(多元)。如果回归的主要目的是经济结构分析，我们不仅要追求较高的可确定系数，而且要使总体回归系数可

11、信。高可确定系数不一定意味着每个回归系数都是可信的。如果研究的主要目的仅仅是预测被解释变量的值，而不是正确地估计回归系数，则通常认为它具有较高的可确定系数。.66、综述：常用的统计分布、67、综述：常用的统计分布、68、综述：常用的统计分布、69、综述：常用的统计分布、70、综述：常用的统计分布，综述：常用的统计分布，74；综述：常用的统计分布，75；第四节回归系数的区间估计和假设检验。76，77；1.OLS估计的分布性质、线性特征、78、79。85、样本容量足够大，而样本容量很小。Z将接近标准正态分布，并服从T分布的三个条件：，86，87，88，假设检验的基本思想是，在一定条件下，在一次抽样

12、中，高概率事件的发生被认为是合理的，而低概率事件被认为是几乎不可能的。如果低概率事件真的发生了，就被认为是不合理的。在一些预先作出的原始假设成立的条件下，我们用样本构造适当的统计量(一次抽样的结果)，并确定统计量的抽样分布。给定显著性水平，构造一个小概率事件。如果小概率事件发生在一次抽样中，原始假设被认为是不真实的，因此原始假设被拒绝，而替代假设没有被拒绝。相反，如果一个高概率事件发生，最初的假设不会被拒绝。94、双侧测试和单侧测试、95、2。回归系数的检验方法、96、97，用P值来判断参数的显著性、P值、统计量t、98、使用。103，在模型的估计和测试之后获得一系列重要数据。为了简明、清晰、规范地表达这些数据，计量经济学通常采用以下标准化方法：例如，回归结果为：1。回归分析结果报告，2。解释变量平均值的预测，1。基本思路经济计量模型可用于：经济结构分析。计量经济模型预测：使用估计样本回归函数作为预测工具，使用解释变量的已知或预定值来定量估计预测期或样本之外的解释变量的值。计量经济预测是一种条件预测：验证回归模型设定的关系表达式不变，估计参数不变。预测期内解释变量的值已经预测