第二章﹝古典回归模型上﹞.ppt

第一节 古典回归模型 第二节 回归模型的参数估计 第三节 回归模型的统计检验 第四节 非线性回归模型 一、回归分析 二、模型的随机设定 三、古典回归模型的基本假定 练习题 第一节 古典回归模型 单方程模型 y=?(x1，x2，……，xk，μ)是计量经济模型最基本的模型形式。 回归分析方法是研究这类随机模型的有力工具。 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： 1. 相关分析 变量性质:都是随机变量且关系对等 ? ?分析方法：图表法和相关系数 ?? 分析目的：判定变量之间相关的方向和关系的密切程度。 2、回归分析 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。前一个变量被称为被解释变量或因变量，后一个（些）变量被称为解释变量或自变量。 表2-1 某总体的家庭收支情况 单位：元/月 图2-1 不同收入水平的家庭消费支出散点分布图 ㈡ 回归模型 ? 1、总体回归模型 2、样本回归模型 图2-2 总体回归直线与样本回归直线 称为样本回归方程， 分别为总体回归参数a、b的估计量。 二、回归模型的随机设定 相应地，若样本回归方程为 ，则实际值yi与估计值 的离差用ei表示，即： 2．随机误差产生的原因 三、 古典回归模型的基本假定 四、单方程回归模型的类型 课外练习题 1、总体回归方程与样本回归方程的区别。 2、随机误差产生的原因。 3、古典回归模型的基本假定包括哪些。 一、最小二乘估计（OLS） 二、一元线性回归模型的参数估计 三、多元线性回归模型的参数估计 四、最小二乘估计的性质 第二节 回归模型的参数估计 一、最小二乘原理（Ordinary Least quare——OLS） 二、利用OLS法估计一元线性回归模型参数 解正规方程组可得： 例1. 我国税收预测模型。表2-3列出了我国1995～2008年期间税收收入Y和国内生产总值 X的统计资料（时间序列数据），试利用EViews软件建立一元线性回归模型。 （1）建立工作文件： Workfilefrequency中选择数据的频率，可选的频率包括年度、半年、季度、月度、星期、天（每周5天、每周7天）以及非时间序列或不规则数据。可在Start date文本框中输入起始日期，End date文本框中输入终止日期，年度与后面的数字用：分隔。日期的表示法为：年度：二十世纪可用两位数，其余全用四位数字；半年：年后加1或2；季度：年后加1-4；月度：年后加1-12；星期：月/日/年；日：月/日/年；非时间序列或不规则数据：样本个数。 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件；命令格式为： CREATE 时间频率类型 起始期 终止期 例如：CREATE A 95 08 （3）估计回归模型： 在EViews软件的命令窗口中，也可以直接键入LS命令来估计模型。命令格式为： LS 被解释变量 C 解释变量 其中，C表示常数项；例如： LS Y C X 表2-5 我国城镇居民家庭2008年收支情况 （3）估计回归模型： LS Y C X 三、多元线性回归模型的参数估计 若定义矩阵： 例3.我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为： Y=?（t，L，K，μ）。其中，L、K分别为生产过程中投入的劳动与资金，时间变量t反映了技术进步的影响。试利用EViews软件建立线性生产函数： Y=b0+b1t+b2L+b3K+ε 课外练习题 1、如何理解OLS估计。 2、如何利用OLS法估计多元线性回归模型参数，写出推导过程。 3、上机练习本节例题1、2、3及教材例2-2、3。熟悉和掌握Eviews软件的使用。 第二节 回归模型的参数估计 四、 最小二乘估计的性质 （3）一致性：这是估计量的一个大样本性质，如果随着样本容量的增加，估计量 越来越接近于真值，则称 为β的一致估计。严格地说， 是依概率收敛于β,即： 其中δ为一个任意小的正数。 2、高斯—马尔可夫定理 在古典回归模型的若干假定成立的情况下，最小二乘估计是所有线性无偏估计量中的有效估计量。 这就是著名的高斯—马尔可夫定理，它表明：最小二乘估计与用其它方法得到的任何线性无偏估计量相比，具有方差最小的特性。所以称OLS估计为“最佳线性无偏估计量”（Best Line