课程回顾与例题讲解（PPT X页）课件.ppt

1 课程回顾与例题讲解 教师：卢时光 1.1 课程回顾 第一章 双变量回归分析 1. 回归分析的性质 2. 双变量回归分析 总回归函数（PRF） 线性的含义 总回归方程的随机设定 随机干扰项的意义 样本回归函数（SRF） 3. 双变量回归模型：估计问题 普通最小二乘法原理 的最小二乘估计 最小二乘（OLS）估计量的性质 经典线性回归模型：最小二乘模型的基本假定 最小二乘估计的精度或标准误差 判定系数r2：“拟合优度”的一个度量 第二章 双变量回归的进一步讨论 1. 正态性假设 经典正态线性回归模型（CNLRM） 在正态性假设下OLS估计量的性质 与正态分布有关的一些概率分布：t分布、F分布和χ2分布 2. 区间估计和假设检验 区间估计 回归参数β1和β2的置信区域 假设检验：置信区间的方法 假设检验：显著性检验法 显著性t检验和F检验 δ2的显著性检验：χ2检验 方差分析 第三章 多元（复）回归分析 1. 复回归分析：估计问题 三变量模型 偏回归系数的解释 偏回归系数的OLS估计 复判定系数R2 校正的R2 2. 复回归分析：推断问题 正态性假设 检验关于个别偏回归系数的假设 检验样本回归的总显著性 R2和F之间的一个重要关系式 检验两个回归系数是否相等 受约束的最小二乘法：检验线性等式约束条件 3. 用复回归做预测 第四章 线性回归模型的矩阵方法 k变量的线性回归模型 经典回归模型的假定的矩阵表达 OLS估计 用矩阵来表示判定系数R2 关于个别回归系数的假设检验的矩阵表达 检验总体回归的总显著性：用矩阵表示的方差分析 第五章 放宽条件的回归模型（1）：多重共线性 1. 多重共线性的性质 2. 多重共线性对OLS估计的影响 出现完全多重共线性时的估计问题：回归系数是不确定的，并且其标准误是无穷大。 出现“高度”或“不完全”多重共线性时的估计问题：方差由于多重共线性的出现而膨胀起来 3.多重共线性的侦测 R2值高而显著性的t比率少。 回归元之间有高度的两两相关。 检查偏相关 辅助回归 本征值与病态指数。 容许度和方差膨胀因子。 4. 补救措施 第六章 放宽条件的回归模型（2）：异方差性 1. 异方差的性质 2. 出现异方差时的OLS估计： 仍然是线性的和无偏的，但是它不是最优的 3. 广义最小二乘法（GLS） 4. 出现异方差时使用OLS的后果 5. 异方差的侦测 问题的性质 图示法 帕克（Park）检验 格莱泽（Glejser）检验 斯皮尔曼（Spearman）等级相关检验 怀特（White）的一般异方差性检验 6. 补救措施 第七章 放宽条件的回归模型（3）：自相关 1. 自相关的性质 产生自相关的原因 2. 自相关出现时的OLS估计量 出现自相关时， 仍然是线性的和无偏的，但不是最优的 3. 出现自相关时的BLUE估计量 4. 出现自相关时使用OLS的后果 5. 侦测自相关 图解法 游程检验 德宾-沃森d检验 6. 自相关的补救措施 广义差分法 ρ的估算 第八章 虚拟变量回归 1. 虚拟变量的性质 2. 对一个定量变量和一个两分定性变量的回归 3. 对一个定量变量和一个多分定性变量的回归 4. 对于一个定量变量和两个定性变量的回归 5. 虚拟变量应用 邹检验 比较两个回归结构稳定性 分段线性回归 第九章 联立方程模型 1. 联立方程模型的性质 2. 联立方程偏误：OLS估计量的非一致性 3. 符号和定义 4. 识别问题 5. 识别规则 可识别的阶条件 可识别的秩条件 第十章 联立方程方法 1. 估计的方法 2. 递归模型与普通最小二乘法 3. 恰好识别方程的估计问题：间接最小二乘（ILS）法 4. 过度识别方程的估计：二阶段最小二乘法（2SLS） 2.2 例题选讲 答：根据模型的经济意义，社会消费品零售总额应该与居民收入总额呈正相关关系，而与全社会固定资产投资总额呈负相关关系。因为消费是收入的增函数，而投资越大则意味储蓄越大，而消费越少。故方程中参数的符号有误。RIT参数符号为正，而IVT参数符号为负。 答：基本假设：解释变量是确定性的；随机干扰项具有 0 均值和同方差；随机干扰项在不同样本点之间不存在序列相关；随机干扰项与解释变量之间不相关；随机干扰项服从 0 均值、同方差的正态分布。违背基本假设的计量经济学模型可以估计，但是不能使用最小二乘法。 答：不能。 表示随机干扰项的期望，是总体随机误差的平均数；实际上表示的是 ，即表示在 X 取特定值 Xi的情况下，随机干扰项代表的因素对 Y 的平均影响为 0。而 表示随机干扰项的一个样本的平均值，而样本平均值只是总体平均值