电子文档交易市场
安卓APP | ios版本
电子文档交易市场
安卓APP | ios版本

计量经济学模型课件

98页
  • 卖家[上传人]:F****n
  • 文档编号:88292769
  • 上传时间:2019-04-23
  • 文档格式:PPT
  • 文档大小:1.48MB
  • / 98 举报 版权申诉 马上下载
  • 文本预览
  • 下载提示
  • 常见问题
    • 1、单方程计量经济学模型 理论与方法,Theory and Methodology of Single-Equation Econometric Model,第二章 经典单方程计量经济学模型: 一元线性回归模型,回归分析概述 一元线性回归模型的参数估计 一元线性回归模型检验 一元线性回归模型预测 实例,2.1 回归分析概述,一、变量间的关系及回归分析的基本概念,二、总体回归函数,三、随机扰动项,四、样本回归函数(SRF),2.1 回归分析概述,(1)确定性关系或函数关系:研究的是变量间的确定关系。,一、变量间的关系及回归分析的基本概念,1、变量间的关系 经济变量之间的关系,大体可分为两类:,例如,对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的:,(2)统计依赖关系/统计相关关系: 研究的是非确定现象随机变量间的关系。,不线性相关并不意味着不相关; 有相关关系并不意味着一定有因果关系; 相关分析对称地对待两个变量,两个变量都被看作是随机的。 回归分析对变量的处理方法存在不对称性,研究一个变量

      2、对另一个(些)变量的统计依赖关系,即区分应变量(被解释变量)和自变量(解释变量):前者是随机变量,后者不是。,注意:,回归分析(regression analysis)是研究一个变量关于另一个(些)变量的具体依赖关系的计算方法和理论。 其用意:在于通过后者的已知或设定值,去估计和(或)预测前者的(总体)均值。 这里:前一个变量被称为被解释变量(Explained Variable)或应变量(Dependent Variable),后一个(些)变量被称为解释变量(Explanatory Variable)或自变量(Independent Variable)。,2、回归分析的基本概念,回归分析构成计量经济学的方法论基础,其主要内容包括: (1)根据样本观察值对经济计量模型参数进行估计,求得回归方程; (2)对回归方程、参数估计值进行显著性检验; (3)利用回归方程进行分析、评价及预测。,由于变量间关系的随机性,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。,例2.1:某个假想的社区有1

      3、00户家庭组成,要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入,能否预测该社区家庭的平均月消费支出水平。,二、总体回归函数,为达到此目的,将该100户家庭按家庭可支配收入划分为10组,以分析每一组的家庭消费支出。,(1)由于不确定因素的影响,对同一收入水平X,不同家庭的消费支出不完全相同; (2)但由于调查的完备性,给定收入水平X的消费支出Y的分布是确定的,即以X的给定值为条件的Y的条件分布(Conditional distribution)是已知的,如:P(Y=561|X=800)=1/4。,因此,给定收入X的值Xi,可得消费支出Y的条件均值(conditional mean)或条件期望(conditional expectation):E(Y|X=Xi),该例中:E(Y | X=800)=561,分析:,这条直线称为总体回归线。,概念:,在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线(population regression line),或更一般地称为总体回归曲线(population regression curve)。,

      4、称为(双变量)总体回归函数(population regression function, PRF)。,相应的函数:,回归函数(PRF)说明被解释变量Y的平均状态(总体条件期望)随解释变量X变化的规律。,含义:,函数形式: 可以是线性或非线性的。,例2.1中,将居民消费支出看成是其可支配收入的线性函数时:,为一线性函数。其中,0,1是未知参数,称为回归系数(regression coefficients)。 。,三、随机扰动项,总体回归函数说明在给定的收入水平Xi下,该社区家庭平均的消费支出水平。 但对某一个别的家庭,其消费支出可能与该平均水平有偏差。,称i为观察值Yi围绕它的期望值E(Y|Xi)的离差(deviation),是一个随机变量,又称为随机干扰项(stochastic disturbance)或随机误差项(stochastic error)。,记,例2.1中,个别家庭的消费支出为:,(*)式称为总体回归函数(方程)PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外,还受其他因素的随机性影响。,(1)该收入水平下所有家庭的平均消费支出E(Y|Xi),称为系统性(

      5、systematic)或确定性(deterministic)部分。 (2)其他随机或非确定性(nonsystematic)部分i。,即,给定收入水平Xi ,个别家庭的支出可表示为两部分之和:,(*),由于方程中引入了随机项,成为计量经济学模型,因此也称为总体回归模型。,随机误差项主要包括下列因素的影响:,1)变量的省略。由于人们认识的局限不能穷尽所有的 影响因素或由于受时间、费用、数据质量等制约而没有 引入模型之中的对被解释变量有一定影响的自变量; 2)变量观测值的观测误差的影响; 3)模型的设定误差。如在模型构造时,非线性关系用线性模型描述了;复杂关系用简单模型描述了;此非线性关系用彼非线性模型描述了等等。 4)随机误差。被解释变量还受一些不可控制的众多的、细小的偶然因素的影响。,四、样本回归函数(SRF),问题:能从一次抽样中获得总体的近似的信息吗?如果可以,如何从抽样中获得总体的近似信息?,例2.2:在例2.1的总体中每组随机抽取一个个体,得到如下一个样本,,总体的信息往往无法掌握,现实的情况只能是在一次观测中得到总体的一个样本。,该样本的散点图(scatter diagram)

      6、:,样本散点图在一条直线附近波动,画一条直线以尽好地拟合该散点图,由于样本取自总体,可以该线近似地代表总体回归线。该线称为样本回归线(sample regression lines)。,记样本回归线的函数形式为:,称为样本回归函数(sample regression function,SRF)。,这里将样本回归线看成总体回归线的近似替代,则,注意:,样本回归函数的随机形式/样本回归模型:,同样地,样本回归函数也有如下的随机形式:,由于方程中引入了随机项,成为计量经济模型,因此也称为样本回归模型(sample regression model)。,样本回归线(样本回归函数),总体回归函数,样本回归模型,总体回归模型,误差:即随机项 残差:观测值减去拟合值,是误差的估计值 离差:样本观测值减去样本平均值,一些概念,“线性”可作两种解释:对变量为线性,对参数为线性。一般“线性回归”一词总是指对参数为线性的一种回归(即参数只以它的1次方出现)。,回归分析的主要目的:,注意:这里PRF可能永远无法知道。,根据样本回归函数SRF,估计总体回归函数PRF。,2.2 一元线性回归模型的参数估计,一、一

      7、元线性回归模型的基本假设 二、参数的普通最小二乘估计(OLS) 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计,单方程计量经济学模型分为两大类: 线性模型和非线性模型,线性模型中,变量之间的关系呈线性关系 非线性模型中,变量之间的关系呈非线性关系,一元线性回归模型:只有一个解释变量,i=1,2,n,Y为被解释变量,X为解释变量,0与1为待估参数, 为随机干扰项,回归分析的主要目的是要通过样本回归函数(模型)SRF尽可能准确地估计总体回归函数(模型)PRF。,估计方法有多种,其种最广泛使用的是普通最小二乘法(ordinary least squares, OLS)。,为保证参数估计量具有良好的性质,通常对模型提出若干基本假设。,注:实际这些假设与所采用的估计方法紧密相关。,一、线性回归模型的基本假设,假设1、解释变量X是确定性变量,不是随机变量; 假设2、随机误差项具有零均值、同方差和不序列相关性: E(i)=0 i=1,2, ,n Var (i)=2 i=1,2, ,n Cov(i, j)=0 ij i,j= 1,2, ,n

      8、 假设3、随机误差项与解释变量X之间不相关: Cov(Xi, i)=0 i=1,2, ,n 假设4、服从零均值、同方差、零协方差的正态分布 iN(0, 2 ) i=1,2, ,n,1、如果假设1、2满足,则假设3也满足; 2、如果假设4满足,则假设2也满足。,注意:,以上假设也称为线性回归模型的经典假设或高斯(Gauss)假设,满足该假设的线性回归模型,也称为经典线性回归模型(Classical Linear Regression Model, CLRM)。,另外,在进行模型回归时,还有两个暗含的假设:,假设5:随着样本容量的无限增加,解释变量X的样本方差趋于一有限常数。即,假设6:回归模型是正确设定的,假设5旨在排除时间序列数据出现持续上升或下降的变量作为解释变量,因为这类数据不仅使大样本统计推断变得无效,而且往往产生所谓的伪回归问题(spurious regression problem)。 假设6也被称为模型没有设定偏误(specification error),?,二、参数的普通最小二乘估计(OLS),最小二乘法,离差与离差平方,e,e,最小,拟合程度最好,普通最小二乘法(Or

      9、dinary least squares, OLS)给出的判断标准是:二者之差的平方和最小。,方程组(*)称为正规方程组(normal equations)。,记,上述参数估计量可以写成:,称为OLS估计量的离差形式(deviation form)。 由于参数的估计结果是通过最小二乘法得到的,故称为普通最小二乘估计量(ordinary least squares estimators)。,顺便指出 ,记,则有,(*)式也称为样本回归函数的离差形式。,(*),注意: 在计量经济学中,往往以小写字母表示对均值的离差。,样本回归线的性质,1.它通过Y和X的样本均值;,2.估计的均值等于实测均值,即,5.残差和预测值不相关,即,4.残差和X不相关,即,3.,三、参数估计的最大似然法(ML),最大或然法(Maximum Likelihood,简称ML),也称最大似然法,是不同于最小二乘法的另一种参数估计方法,是从最大或然原理出发发展起来的其它估计方法的基础。 基本原理: 对于最大或然法,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。,在满足基本假设条件下,对一元线性回归模型:,随机抽取n组样本观测值(Xi, Yi)(i=1,2,n)。,那么Yi服从如下的正态分布:,于是,Y的概率函数为,(i=1,2,n),假如模型的参数估计量已经求得,为,因为Yi是相互独立的,所以的所有样本观测值的联合概率,也即或然函数(likelihood function)为:,将该或然函数极大化,即可求得到模型参数的极大或然估计量。,由于或然函数的极大化与或然函数的对数的极大化是等价的,所以,取对数或然函数如下:,解得模型的参数估计量为:,可见,在满足一系列基本假设的情况下,模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。,例2.2.1:在上述家庭可支配收入-消费支出例中,对于所抽出的一组样本数,参数估计的计算可通过下面的表2.2.1进行。,因此,由该样本估计的回归方程为:,四、最小二乘估计量的性质,当模型参数估计出后,需考虑参数估计值的精度,

      《计量经济学模型课件》由会员F****n分享,可在线阅读,更多相关《计量经济学模型课件》请在金锄头文库上搜索。

      点击阅读更多内容
    最新标签
    发车时刻表 长途客运 入党志愿书填写模板精品 庆祝建党101周年多体裁诗歌朗诵素材汇编10篇唯一微庆祝 智能家居系统本科论文 心得感悟 雁楠中学 20230513224122 2022 公安主题党日 部编版四年级第三单元综合性学习课件 机关事务中心2022年全面依法治区工作总结及来年工作安排 入党积极分子自我推荐 世界水日ppt 关于构建更高水平的全民健身公共服务体系的意见 空气单元分析 哈里德课件 2022年乡村振兴驻村工作计划 空气教材分析 五年级下册科学教材分析 退役军人事务局季度工作总结 集装箱房合同 2021年财务报表 2022年继续教育公需课 2022年公需课 2022年日历每月一张 名词性从句在写作中的应用 局域网技术与局域网组建 施工网格 薪资体系 运维实施方案 硫酸安全技术 柔韧训练 既有居住建筑节能改造技术规程 建筑工地疫情防控 大型工程技术风险 磷酸二氢钾 2022年小学三年级语文下册教学总结例文 少儿美术-小花 2022年环保倡议书模板六篇 2022年监理辞职报告精选 2022年畅想未来记叙文精品 企业信息化建设与管理课程实验指导书范本 草房子读后感-第1篇 小数乘整数教学PPT课件人教版五年级数学上册 2022年教师个人工作计划范本-工作计划 国学小名士经典诵读电视大赛观后感诵读经典传承美德 医疗质量管理制度 2 2022年小学体育教师学期工作总结 2022年家长会心得体会集合15篇
    关于金锄头网 - 版权申诉 - 免责声明 - 诚邀英才 - 联系我们
    手机版 | 川公网安备 51140202000112号 | 经营许可证(蜀ICP备13022795号)
    ©2008-2016 by Sichuan Goldhoe Inc. All Rights Reserved.