22一元线性回归模型的参数估计pptConvertor.docx
《22一元线性回归模型的参数估计pptConvertor.docx》由会员分享,可在线阅读,更多相关《22一元线性回归模型的参数估计pptConvertor.docx(8页珍藏版)》请在冰豆网上搜索。
22一元线性回归模型的参数估计pptConvertor
PageNo.1
WordsFromSlide
第二节一元线性回归模型的参数估计
一元线性回归模型的概念
一元线性回归模型的基本假定
参数的普通最小二乘估计
截距为零的一元线性回归模型的估计
最小二乘估计量的性质
参数估计量的概率分布
WordsFromNotePage
1
PageNo.2
WordsFromSlide
一、一元线性回归模型的概念
一元线性回归模型是最简单的计量经济学模型,在模型中只有一个解释变量,其一般形式是:
WordsFromNotePage
2
PageNo.3
WordsFromSlide
二、一元线性回归模型的基本假定
1.为什么要作基本假定?
(1)只有具备一定的假定条件,所作出的估计才具有较好的统计性质。
WordsFromNotePage
3
PageNo.4
WordsFromSlide
(2)模型中有随机扰动,估计的参数是随机变量,只有对随机扰动的分布作出假定,才能确定所估计参数的分布性质,也才可能进行假设检验和区间估计。
2.基本假定的内容
WordsFromNotePage
4
PageNo.5
WordsFromSlide
以上假定称为线性回归模型的经典假定,满足该假定的线性回归模型,称为经典线性回归模型。
WordsFromNotePage
5
PageNo.6
WordsFromSlide
3.Y的分布性质:
WordsFromNotePage
6
PageNo.7
WordsFromSlide
三、参数的普通最小二乘估计(OLS)
1.OLS的基本思想
对于给定的样本观测值,可以用无数条直线来拟合。
WordsFromNotePage
7
PageNo.8
WordsFromSlide
2.最小二乘估计量的推导
WordsFromNotePage
8
PageNo.9
WordsFromSlide
整理得:
即:
以方程组称为正规方程组。
WordsFromNotePage
9
PageNo.10
WordsFromSlide
求解正规方程组得未知参数的OLS估计式:
WordsFromNotePage
10
PageNo.11
WordsFromSlide
3.用离差表示的OLS估计式
为表达得更简洁,可以用离差形式表示OLS估计式:
WordsFromNotePage
11
PageNo.12
WordsFromSlide
由于参数的估计结果是通过普通最小二乘法得到的,故称为普通最小二乘估计量(ordinaryleastsquaresestimators)。
注意:
在计量经济学中,往往以小写字母表示对均值的离差。
WordsFromNotePage
12
PageNo.13
WordsFromSlide
4.几个常用的结果
WordsFromNotePage
13
PageNo.14
WordsFromSlide
WordsFromNotePage
14
PageNo.15
WordsFromSlide
写成离差形式为:
5.样本回归函数的离差形式
整理得
WordsFromNotePage
15
PageNo.16
WordsFromSlide
6.注意几个概念的区别
随机误差项:
被解释变量的观测值与它的条件期望的差
残差:
被解释变量的观测值与它的拟合值的差,是随机误差项的估计值
离差:
样本观测值减去样本平均值
WordsFromNotePage
16
PageNo.17
WordsFromSlide
四、截距为零的一元线性回归模型的参数估计
WordsFromNotePage
17
PageNo.18
WordsFromSlide
例2.2:
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据,参数估计的计算可通过下面的表2.3进行。
WordsFromNotePage
18
PageNo.19
WordsFromSlide
表2.3参数估计计算表
1
800
594
640000
475200
2
1100
638
1210000
701800
3
1400
1122
1960000
1570800
4
1700
1155
2890000
1963500
5
2000
1408
4000000
2816000
6
2300
1595
5290000
3668500
7
2600
1969
6760000
5119400
8
2900
2078
8410000
6026200
9
3200
2585
10240000
8272000
10
3500
2530
12250000
8855000
求和
21500
15674
53650000
39468400
WordsFromNotePage
19
PageNo.20
WordsFromSlide
因此,由该样本估计的回归方程为:
WordsFromNotePage
20
PageNo.21
WordsFromSlide
五、最小二乘估计量的性质
1.参数估计量的评价标准
WordsFromNotePage
21
PageNo.22
WordsFromSlide
WordsFromNotePage
22
PageNo.23
WordsFromSlide
一致性是估计量的一个大样本性质。
WordsFromNotePage
23
PageNo.24
WordsFromSlide
2.OLS估计量的统计性质
高斯—马尔可夫定理(Gauss-Markovtheorem)
在给定经典线性回归模型的假定下,最小二乘估计量是具有最小方差的线性无偏估计量。
WordsFromNotePage
24
PageNo.25
WordsFromSlide
WordsFromNotePage
25
PageNo.26
WordsFromSlide
故
WordsFromNotePage
26
PageNo.27
WordsFromSlide
故
WordsFromNotePage
27
PageNo.28
WordsFromSlide
WordsFromNotePage
28
PageNo.29
WordsFromSlide
WordsFromNotePage
29
PageNo.30
WordsFromSlide
(2)证明最小方差性
普通最小二乘估计量(OrdinaryLeastSquaresEstimators)称为最佳线性无偏估计量(BestLinearUnbiasedEstimator,BLUE)
WordsFromNotePage
30
PageNo.31
WordsFromSlide
六、参数估计量的概率分布及随机误差项方差的估计
WordsFromNotePage
31
PageNo.32
WordsFromSlide
WordsFromNotePage
32
PageNo.33
WordsFromSlide
WordsFromNotePage
33
PageNo.34
WordsFromSlide
WordsFromNotePage
34